[發(fā)明專利]基于Haar-NMF特征和級聯(lián)Adaboost分類器的脫崗檢測方法

有效

• 申請?zhí)枺?/td>: 201811065893.2
• 申請日: 2018-09-13
• 公開（公告）號: CN109190710B
• 公開（公告）日: 2022-04-08
• 發(fā)明（設(shè)計(jì)）人: 雷為民;王玉楠;張偉;關(guān)云沖;魏京天;李錦環(huán)
• 申請（專利權(quán)）人: 東北大學(xué)
• 主分類號: G06V10/774
• 分類號: G06V10/774;G06V10/771;G06K9/62
• 代理公司: 沈陽東大知識產(chǎn)權(quán)代理有限公司 21109
• 代理人: 劉曉嵐

本發(fā)明提供一種基于Haar?NMF特征和級聯(lián)Adaboost分類器的脫崗檢測方法，涉及視頻信號處理技術(shù)領(lǐng)域。該方法采用低維Haar?NMF特征代替?zhèn)鹘y(tǒng)的Haar特征，Haar?NMF特征可以很好地表征圖像中局部區(qū)域的特征，如在崗人員的頭部和肩部特征，滿足檢測方法對檢測準(zhǔn)確率的要求；采用級聯(lián)Adaboost分類器代替基本的Adaboost分類器，提高了檢測的準(zhǔn)確率并減少運(yùn)算量，滿足了檢測方法對檢測速度的要求。并針對檢測過程中的漏檢問題和誤檢問題進(jìn)行優(yōu)化，提高了檢測方法的整體性能。本發(fā)明提供的基于Haar?NMF特征和級聯(lián)Adaboost分類器的脫崗檢測方法，在保證檢測成功率的基礎(chǔ)上，縮短了樣本的訓(xùn)練和檢測的時(shí)間，并且通過增加分類器的級數(shù)提高了檢測方法的部分性能，同時(shí)提高了檢測速度。

技術(shù)領(lǐng)域

本發(fā)明涉及視頻信號處理技術(shù)領(lǐng)域，尤其涉及一種基于Haar-NMF特征和級聯(lián)Adaboost分類器的脫崗檢測方法。

背景技術(shù)

計(jì)算機(jī)視覺的主要任務(wù)是通過對采集的圖片或視頻進(jìn)行處理從而獲得特定場景需要的特定信息。近些年來計(jì)算機(jī)視覺一直是國內(nèi)外學(xué)者的研究重點(diǎn)，而圖像分類和識別是其中最具實(shí)用性的研究領(lǐng)域，行人檢測和識別則是該領(lǐng)域中應(yīng)用最廣、研究最多的方向之一。伴隨著“智慧校園”、“平安城市”等新興科技項(xiàng)目的快速發(fā)展，智能化、網(wǎng)絡(luò)化、數(shù)字化愈來愈成為現(xiàn)代工業(yè)的主要發(fā)展趨勢，人們把計(jì)算機(jī)視覺的相關(guān)算法引入傳統(tǒng)的視頻監(jiān)控中，智能視頻監(jiān)控系統(tǒng)應(yīng)運(yùn)而生。

智能視頻監(jiān)控的研究對象為監(jiān)控視頻中的行人、車輛或其他物體，通過對視頻中的運(yùn)動目標(biāo)進(jìn)行實(shí)時(shí)檢測、跟蹤和行為分析，使得系統(tǒng)能夠自動提取出我們需要的信息。

近些年來，國防、安防、消防等高危化行業(yè)的崗位執(zhí)勤工作日益受到重視，因此設(shè)計(jì)并實(shí)現(xiàn)一套可用于檢測值班室人員是否脫崗的系統(tǒng)具有十分現(xiàn)實(shí)的意義。由于值班人員的“空崗”往往會造成不可估量的損失，脫崗檢測就顯得尤為重要。早期一般是通過指派專人不定期的查崗來進(jìn)行脫崗檢測，但這種方式實(shí)時(shí)性很差，難以第一時(shí)間處理突發(fā)狀況并且查崗耗費(fèi)太多不必要的人力和時(shí)間。研究脫崗檢測算法具有十分現(xiàn)實(shí)的意義，孕藏著極大的商業(yè)價(jià)值。

脫崗檢測技術(shù)的方法論是基于機(jī)器學(xué)習(xí)中統(tǒng)計(jì)學(xué)習(xí)的方法，設(shè)計(jì)一個完整成熟的脫崗檢測系統(tǒng)必須要解決一些關(guān)鍵問題，包括適應(yīng)行人姿態(tài)變化的多樣性、單一場景下對行人和背景的分辨性和檢測的準(zhǔn)確性和實(shí)時(shí)性等，其中在工程化和商業(yè)化的過程中最需要解決的問題就是如何同時(shí)兼顧檢測的準(zhǔn)確率和檢測速度，設(shè)計(jì)并實(shí)現(xiàn)一種特定場景下滿足特定需求的脫崗檢測算法。在解決檢測速度和檢測準(zhǔn)確率的問題時(shí)，由于對檢測準(zhǔn)確性的高要求通常使得算法處理的過程中消耗了大量時(shí)間，而對于脫崗檢測這種單一場景下單一目標(biāo)檢測的情況，對于區(qū)分有人和沒人的情況不需要過于復(fù)雜的訓(xùn)練過程和算法，因此，主要需要解決的問題就是檢測速度的問題，這也是目前所有的脫崗檢測的應(yīng)用急需解決的問題。

現(xiàn)階段，國外科研機(jī)構(gòu)以及一些獨(dú)立研究人員在行人檢測技術(shù)方面的研究已經(jīng)獲得了一定成果，很多高校和科研機(jī)構(gòu)都有了較為成熟的行人檢測系統(tǒng)，例如加利福尼亞理工學(xué)院、麻省理工大學(xué)、戴姆勒公司Ulm RD中心、Facebook AI研究中心等都有了突出的研究成果。每年在一些國際頂尖會議上(其中包括國際計(jì)算機(jī)視覺大會ICCV、計(jì)算機(jī)視覺與模式識別會議CVPR、歐洲計(jì)算機(jī)視覺國際會議ECCV等)都會舉行行人檢測方面的專題會議，匯報(bào)在該領(lǐng)域已取得的研究進(jìn)展及成果，探討行人檢測日后的研究方向。與此同時(shí)，每年都會有大量高質(zhì)量、高水平，理論性、創(chuàng)新性、實(shí)用性兼具的學(xué)術(shù)文章被刊登在該領(lǐng)域極具影響力的國際期刊上，譬如模式分析與機(jī)器智能匯刊PAMI、計(jì)算機(jī)視覺國際期刊IJCV等等。