[發(fā)明專利]一種智能視頻監(jiān)控的行人檢測(cè)方法和裝置

有效

• 申請(qǐng)?zhí)枺?/td>: 201611213538.6
• 申請(qǐng)日: 2016-12-23
• 公開(kāi)（公告）號(hào): CN107066921B
• 公開(kāi)（公告）日: 2017-12-29
• 發(fā)明（設(shè)計(jì)）人: 韓國(guó)吉;孫凱;賀振中
• 申請(qǐng)（專利權(quán)）人: 深圳市大唐盛世智能科技有限公司
• 主分類號(hào): G06K9/00
• 分類號(hào): G06K9/00;G06K9/32;G06K9/62
• 代理公司: 深圳中一專利商標(biāo)事務(wù)所44237
• 代理人: 彭海民

1.一種智能視頻監(jiān)控的行人檢測(cè)方法，其特征在于，所述方法包括：

通過(guò)對(duì)視頻流的樣本數(shù)據(jù)進(jìn)行支持向量機(jī)SVM訓(xùn)練，得到基于SVM的分類器；

對(duì)實(shí)時(shí)采集的視頻幀序列進(jìn)行圖像變換，得到變換后的圖像，所述視頻幀序列為智能視頻監(jiān)控的攝像頭所采集視頻流的離散圖像幀，所述所采集視頻流包含行人和除行人之外的其他對(duì)象；

使用所述基于SVM的分類器遍歷所述變換后的圖像以獲取行人感興趣區(qū)域ROI，所述通過(guò)對(duì)視頻流的樣本數(shù)據(jù)進(jìn)行支持向量機(jī)SVM訓(xùn)練，得到基于SVM的分類器，包括：

對(duì)所述樣本數(shù)據(jù)包含的圖像進(jìn)行LUV變換，得到LUV圖像；

對(duì)所述樣本數(shù)據(jù)包含的圖像進(jìn)行完整局部二值模式CLBP編碼以得到CLBP圖像，并計(jì)算所述CLBP圖像的方向梯度和所述方向梯度的大小；

對(duì)所述LUV圖像和CLBP圖像使用SVM進(jìn)行多次訓(xùn)練，得到多個(gè)不同尺寸模板的基于SVM的分類器。

2.如權(quán)利要求1所述的方法，其特征在于，所述對(duì)所述LUV圖像和CLBP圖像使用SVM進(jìn)行多次訓(xùn)練，得到多個(gè)不同尺寸模板的基于SVM的分類器，包括：

對(duì)所述LUV圖像和CLBP圖像使用線性SVM進(jìn)行多次訓(xùn)練，得到多個(gè)不同尺寸模板的基于線性SVM的分類器。

3.如權(quán)利要求1所述的方法，其特征在于，所述對(duì)實(shí)時(shí)采集的視頻幀序列進(jìn)行圖像變換，得到變換后的圖像，包括：

對(duì)所述實(shí)時(shí)采集的視頻幀序列進(jìn)行LUV變換，得到LUV圖像；

對(duì)所述實(shí)時(shí)采集的視頻幀序列進(jìn)行完整局部二值模式CLBP編碼以得到CLBP圖像，并計(jì)算所述CLBP圖像的方向梯度和所述方向梯度的大小。

4.如權(quán)利要求1至3任意一項(xiàng)所述的方法，其特征在于，所述使用所述基于SVM的分類器遍歷所述變換后的圖像以獲取行人感興趣區(qū)域ROI之后，所述方法還包括：

消除所述行人ROI的重疊區(qū)域。

5.一種智能視頻監(jiān)控的行人檢測(cè)裝置，其特征在于，所述裝置包括：

分類器獲取模塊，用于通過(guò)對(duì)視頻流的樣本數(shù)據(jù)進(jìn)行支持向量機(jī)SVM訓(xùn)練，得到基于SVM的分類器；

變換模塊，用于對(duì)實(shí)時(shí)采集的視頻幀序列進(jìn)行圖像變換，得到變換后的圖像，所述視頻幀序列為智能視頻監(jiān)控的攝像頭所采集視頻流的離散圖像幀，所述所采集視頻流包含行人和除行人之外的其他對(duì)象；

分類模塊，用于使用所述基于SVM的分類器遍歷所述變換后的圖像以獲取行人感興趣區(qū)域ROI，

所述分類器獲取模塊包括：

第一變換單元，用于對(duì)所述樣本數(shù)據(jù)包含的圖像進(jìn)行LUV變換，得到LUV圖像；

第二變換單元，用于對(duì)所述樣本數(shù)據(jù)包含的圖像進(jìn)行完整局部二值模式CLBP編碼以得到CLBP圖像，并計(jì)算所述CLBP圖像的方向梯度和所述方向梯度的大小；

訓(xùn)練單元，用于對(duì)所述LUV圖像和CLBP圖像使用SVM進(jìn)行多次訓(xùn)練，得到多個(gè)不同尺寸模板的基于SVM的分類器。

6.如權(quán)利要求5所述的裝置，其特征在于，所述訓(xùn)練單元包括：

線性SVM訓(xùn)練單元，用于對(duì)所述LUV圖像和CLBP圖像使用線性SVM進(jìn)行多次訓(xùn)練，得到多個(gè)不同尺寸模板的基于線性SVM的分類器。

7.如權(quán)利要求5所述的裝置，其特征在于，所述變換模塊包括：

第三變換單元，用于對(duì)所述實(shí)時(shí)采集的視頻幀序列進(jìn)行LUV變換，得到LUV圖像；

第四變換單元，用于對(duì)所述實(shí)時(shí)采集的視頻幀序列進(jìn)行完整局部二值模式CLBP編碼以得到CLBP圖像，并計(jì)算所述CLBP圖像的方向梯度和所述方向梯度的大小。

8.如權(quán)利要求5至7任意一項(xiàng)所述的裝置，其特征在于，所述裝置還包括：

消除模塊，用于所述分類模塊使用所述基于SVM的分類器遍歷所述變換后的圖像以獲取行人感興趣區(qū)域ROI之后，消除所述行人ROI的重疊區(qū)域。