[發(fā)明專利]基于機(jī)器視覺(jué)與雙目協(xié)同技術(shù)的教室人數(shù)檢測(cè)方法及系統(tǒng)

有效

• 申請(qǐng)?zhí)枺?/td>: 201710104613.3
• 申請(qǐng)日: 2017-02-24
• 公開(kāi)（公告）號(hào): CN106897698B
• 公開(kāi)（公告）日: 2019-12-06
• 發(fā)明（設(shè)計(jì)）人: 李新宏;李慶武;籍美蘋(píng);沈美云;邢俊;周亮基
• 申請(qǐng)（專利權(quán)）人: 常州常工電子科技股份有限公司;河海大學(xué)常州校區(qū)
• 主分類號(hào): G06K9/00
• 分類號(hào): G06K9/00;G06K9/46
• 代理公司: 32257 蘇州市中南偉業(yè)知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙)
• 代理人: 李明<國(guó)際申請(qǐng)>=<國(guó)際公布>=<進(jìn)入國(guó)

1.一種基于機(jī)器視覺(jué)與雙目協(xié)同技術(shù)的教室人數(shù)檢測(cè)方法，其特征在于，包括：

S1獲取教室左右不同視角視頻圖像數(shù)據(jù)；

S2對(duì)視頻圖像數(shù)據(jù)中的圖像幀進(jìn)行灰度化處理，以壓縮原始數(shù)據(jù)量；

S3利用3*3的高斯濾波掩模模板與灰度圖像卷積，平滑濾波，達(dá)到抑制噪聲與弱化背景信息，增強(qiáng)人物輪廓的效果；

S4對(duì)濾波后圖像進(jìn)行兩次超分辨重建，其中，原始圖像大小為1280*720，對(duì)其分別進(jìn)行2*2以及4*4的超分辨重建，獲得大小為2560*1440、5120*2880兩張圖像，加上原圖，以獲得三幅不同分辨率的圖像；

S5利用顏色、形態(tài)、輪廓的多特征融合的機(jī)器學(xué)習(xí)網(wǎng)絡(luò)分別對(duì)三幅不同分辨率圖像進(jìn)行檢測(cè)，獲得圖像中人頭目標(biāo)位置及數(shù)目；

S6利用教室先驗(yàn)信息及圖像配準(zhǔn)技術(shù)，對(duì)左右目圖像進(jìn)行匹配，實(shí)現(xiàn)檢測(cè)目標(biāo)的去重與互補(bǔ)，達(dá)到左右目協(xié)同計(jì)數(shù)的效果；

S7輸出總?cè)藬?shù)到服務(wù)器。

2.根據(jù)權(quán)利要求1所述的基于機(jī)器視覺(jué)與雙目協(xié)同技術(shù)的教室人數(shù)檢測(cè)方法，其特征在于：在所述步驟S5中，至少基于顏色、形態(tài)、輪廓的多特征的機(jī)器學(xué)習(xí)是串行處理的，即首先利用顏色信息進(jìn)行篩選，排除非人區(qū)域，其次，利用形態(tài)特征在可能存在人的區(qū)域進(jìn)行檢測(cè)，最后，利用輪廓特征對(duì)檢測(cè)結(jié)果進(jìn)行校正，改進(jìn)。

3.根據(jù)權(quán)利要求2所述的基于機(jī)器視覺(jué)與雙目協(xié)同技術(shù)的教室人數(shù)檢測(cè)方法，其特征在于：所述的基于顏色的機(jī)器學(xué)習(xí)算法包括：

對(duì)視頻幀圖像進(jìn)行相應(yīng)預(yù)處理后，首先根據(jù)多通道顏色信息，只保留圖像中與發(fā)色相近或相同的物體；

遍歷所有連通域，保存連通域信息；

對(duì)異常連通域進(jìn)行剔除，更新保存的連通域信息。

4.根據(jù)權(quán)利要求3所述的基于機(jī)器視覺(jué)與雙目協(xié)同技術(shù)的教室人數(shù)檢測(cè)方法，其特征在于：所述的基于形態(tài)的機(jī)器學(xué)習(xí)算法，在進(jìn)行檢測(cè)前，需要標(biāo)定訓(xùn)練樣本并進(jìn)行訓(xùn)練，訓(xùn)練后獲得樣本的特征向量，訓(xùn)練樣本大小歸一化為64*64像素大小，其中，訓(xùn)練樣本包括正樣本與負(fù)樣本，正樣本是包含人頭目標(biāo)的圖像，負(fù)樣本僅包含背景圖像。

5.根據(jù)權(quán)利要求2所述的基于機(jī)器視覺(jué)與雙目協(xié)同技術(shù)的教室人數(shù)檢測(cè)方法，其特征在于，所述的基于形態(tài)的機(jī)器學(xué)習(xí)算法，利用一個(gè)48*48的滑動(dòng)窗口在一幀圖像上進(jìn)行掃描，在水平和垂直方向上掃描步長(zhǎng)均為8個(gè)像素點(diǎn)，掃描時(shí)對(duì)圖像梯度進(jìn)行計(jì)算，計(jì)算公式為：，將計(jì)算得到的特征描述值送入SVM中，檢查是否存在目標(biāo)；

所述的圖像梯度計(jì)算，其步驟為：

計(jì)算每個(gè)像素點(diǎn)在x, y方向的梯度分量、梯度向量長(zhǎng)度、梯度向量角度；

利用高斯矩陣和像素塊點(diǎn)乘，暗化圖像塊邊緣；

根據(jù)像素點(diǎn)所在的像素塊的坐標(biāo)和像素點(diǎn)梯度向量角度，對(duì)每個(gè)像素塊提取直方圖，并歸一化；

重復(fù)以上步驟，產(chǎn)生一個(gè)窗口的特征描述值，特征描述值的計(jì)算公式為。

6.根據(jù)權(quán)利要求2所述的基于機(jī)器視覺(jué)與雙目協(xié)同技術(shù)的教室人數(shù)檢測(cè)方法，其特征在于：所述的基于輪廓的機(jī)器學(xué)習(xí)算法，其步驟為：

讀取視頻圖像，對(duì)圖像進(jìn)行二值化處理；

進(jìn)行一定數(shù)量的膨脹腐蝕處理，剔除邊緣毛刺，填補(bǔ)內(nèi)部空洞；

利用canny算子進(jìn)行邊緣檢測(cè)，獲得邊緣輪廓線；

使用隨機(jī)Hough圓檢測(cè)算法對(duì)圖像中的輪廓線進(jìn)行計(jì)算，尋找出圖像中的類圓區(qū)域；

保存類圓區(qū)域的信息，

利用半圓形輪廓檢測(cè)模板去除部分錯(cuò)檢；

所述半圓形輪廓檢測(cè)模板，包括兩種去錯(cuò)檢原則，其一，若類圓區(qū)域面積占類圓的最小外界矩形面積小于設(shè)定閾值，則判定該類圓區(qū)域不符合要求，否則則符合要求，判定公式為，其二，以類圓區(qū)域圓心為新圓心，類圓半徑的一半為新半徑，畫(huà)一個(gè)半圓形區(qū)域，統(tǒng)計(jì)新的半圓圓弧上圓心角為0°，45°，90°，135°，180°以及類圓中心這六個(gè)點(diǎn)的像素值，當(dāng)六個(gè)點(diǎn)的平均像素值大于閾值時(shí)，則判定該類圓區(qū)域?yàn)槟繕?biāo)，否則判定為錯(cuò)檢，判定公式為。