[發明專利]一種電梯中目標的檢測方法

在審

• 申請號: 201710841244.6
• 申請日: 2017-09-18
• 公開（公告）號: CN107622237A
• 公開（公告）日: 2018-01-23
• 發明（設計）人: 張媛;蔣鐵鎖;宋建寧;周志勇;鄒海洋;華志超;臧坤
• 申請（專利權）人: 江蘇省特種設備安全監督檢驗研究院
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62
• 代理公司: 無錫華源專利商標事務所(普通合伙)32228
• 代理人: 聶啟新

技術領域

本發明實施例涉及電梯監控領域，特別涉及一種電梯中目標的檢測方法。

背景技術

隨著經濟的發展，電梯在居民小區中的使用越來越多，電梯中通常安裝有監控設備用于監控電梯內的環境，識別電梯監控視頻中的目標是保證電梯運行安全的重要內容。

相關技術中，識別視頻中的目標涉及對圖像進行預處理，即盡可能在不改變圖像承載的本質信息的前提下，令每張圖片的顏色分布、整體明暗、尺寸大小等表觀特性抑制，目標特征提取，即對圖像包括的數據進行變換得到反映分類本質的特征，目標檢測，即使用各種匹配算法，根據從圖像中已經提取的特征識別出目標。

然而，針對電梯中目標檢測的方法中能夠達到應用級別的很少，大部分對電梯中目標的識別率高的方法比較復雜，難以對電梯監控視頻進行實時處理。

發明內容

為了解決現有技術的問題，本發明實施例提供了一種電梯中目標的檢測方法。該技術方案如下：

第一方面，提供了一種電梯中目標的檢測方法，該方法包括：

獲取第一圖像序列，利用所述第一圖像序列訓練支持向量機SVM分類器；

獲取第二圖像序列，從所述第二圖像序列中獲取目標區域圖像；

針對所述目標區域圖像，計算方向梯度直方圖HOG特征；

將所述目標區域圖像的HOG特征輸入所述SVM分類器，檢測所述SVM分類器的輸出結果是否小于第一預定閾值；

若所述SVM分類器的輸出結果大于等于所述第一預定閾值，則確定所述目標區域圖像包括所述預定目標；

若所述SVM分類器的輸出結果小于所述第一預定閾值，則確定所述目標區域圖像不包括所述預定目標。

可選的，所述利用所述第一圖像序列訓練支持向量機SVM分類器，包括：

對所述第一圖像序列中的每張圖像，利用改進中值濾波方法進行圖像預處理；

從經過預處理的所述圖像中選取m張正樣本圖像和n張負樣本圖像，所述正樣本圖像中包括所述預定目標，所述負樣本圖像中不包括所述預定目標；

針對每張所述正樣本圖像和每張所述負樣本圖像，計算HOG特征；

將所述m張正樣本圖像的HOG特征和所述n張負樣本圖像的HOG特征作為SVM的輸入值，訓練所述SVM得到所述SVM分類器，所述SVM分類器的核函數為徑向基RBF函數。

可選的，所述從所述第二圖像序列中獲取目標區域圖像，包括：

對所述第二圖像序列中的每張圖像，利用改進中值濾波方法進行圖像預處理；

根據經過圖像預處理后的所述第二圖像序列確定背景圖像；

按如下公式確定所述第二圖像序列中的圖像的運動區域：

其中，B^t(x,y)表示運動區域，I^t(x,y)表示像素點(x，y)在t時刻的圖像中的值，BKG^t(x,y)表示像素點(x，y)在所述背景圖像中的值，τ為第二預定閾值；

在HSV顏色空間，根據相鄰幀圖像的所述像素點(x，y)在H通道、S通道、V通道的變化特征濾除所述運動區域中的陰影；

對濾除陰影后的所述運動區域進行形態學操作，得到所述目標區域圖像。

可選的，所述計算HOG特征，包括：

按如下公式對圖像進行Gamma校正：

f(I)＝I^γ，其中，I表示圖像中每個像素點(x，y)的像素值，γ＝Gamma；

計算經過Gamma校正后的所述圖像中每個像素點的梯度幅值和梯度方向；

采用一維中心對稱模板，將所述圖像分為若干個單元格；每個單元格包括p*p個像素點，每k*k個單元格為一個塊；

將0°至180°平均分為h個方向通道；

根據所述單元格中每個所述像素點的梯度幅值和梯度方向統計出方向梯度直方圖，以所述h個方向通道為所述方向梯度直方圖的橫坐標，以所述h個方向通道中的每個方向通道中的像素點的梯度幅值的累加和為所述方向梯度直方圖的縱坐標；

根據所述方向梯度直方圖確定h個梯度向量；

根據所述梯度向量對應的像素點所在的塊，將所述梯度向量劃分為若干個過渡梯度向量；

對每個塊內的梯度向量進行歸一化處理，并將經過歸一化處理后的過渡梯度向量連接起來，得到所述HOG特征。

可選的，所述計算所述圖像中每個像素點的梯度幅值和梯度方向，包括：

按如下公式計算所述每個像素點的水平方向梯度：