[發明專利]基于稀疏編碼特征的深度圖像人體檢測方法及系統

有效

• 申請號: 202010175838.X
• 申請日: 2020-03-13
• 公開（公告）號: CN111414827B
• 公開（公告）日: 2022-02-08
• 發明（設計）人: 胡亮
• 申請（專利權）人: 四川長虹電器股份有限公司
• 主分類號: G06V10/40
• 分類號: G06V10/40;G06V10/774;G06V20/52;G06V40/10;G06K9/62
• 代理公司: 成都虹橋專利事務所(普通合伙) 51124
• 代理人: 李凌峰

本發明涉及圖像處理技術領域，本發明旨在解決現有基于深度圖像識別人體存在誤檢和漏檢的問題，提出一種基于稀疏編碼特征的深度圖像人體檢測方法及系統，所述方法包括以下步驟：獲取多個深度圖像，在所述深度圖像中標注人體，得到包含人體圖像的目標圖像和不包含人體圖像的背景圖像組成的訓練集；從所述人體圖像中采樣圖像小塊并生成字典，根據所述字典計算各深度圖像的稀疏編碼特征；根據所述稀疏編碼特征和訓練集訓練得到分類模型；計算待檢測深度圖像的稀疏編碼特征，并將其輸入所述分類模型中，以得出待檢測深度圖像是否包含人體以及人體的位置。本發明只需要少量標注樣本就能進行高準確度的檢測，且具有對人體部分遮擋的魯棒性，運算速度快。

技術領域

本發明涉及圖像處理技術領域，具體來說涉及一種深度圖像人體檢測方法及系統。

背景技術

計算機視覺領域的一個重要任務就是對人體進行檢測，可以用于人流量統計、人群異常監控、人體跟蹤等領域，國際上也有相應賽事，例如著名的kitti 2D ObjectDetection(Pedestrian)競賽；而基于深度圖像的人體檢測則是最近一些年興起的趨勢，因為深度圖像可以克服傳統光學圖像存在的易受到光照和背景干擾、容易泄露隱私信息等缺陷，能夠部署在醫院住院病房、家庭住宅環境中。當前基于深度圖像的人體檢測所使用的方法主要是深度學習與一些直接基于特征的傳統方法，但是標注樣本較少時，這些方法檢測效果或不穩定、或不甚理想。

中國專利申請號CN201110026465.0，記載了一種“基于深度圖像進行人體檢測的方法”，該方法根據深度圖像的像素提取特征，再通過預設的分類模型實現人體檢測。然而深度圖像像素本身存在一定的測距誤差，從圖像像素直接提取特征的方法在標注樣本較少時容易產生誤檢和漏檢。

發明內容

本發明旨在解決現有基于深度圖像識別人體存在誤檢和漏檢的問題，提出一種基于稀疏編碼特征的深度圖像人體檢測方法及系統。

本發明解決上述技術問題所采用的技術方案是：基于稀疏編碼特征的深度圖像人體檢測方法，包括以下步驟：

步驟1.獲取多個深度圖像，在所述深度圖像中標注人體，得到包含人體圖像的目標圖像和不包含人體圖像的背景圖像組成的訓練集；

步驟2.從所述人體圖像中采樣圖像小塊并生成字典，根據所述字典計算各深度圖像的稀疏編碼特征；

步驟3.根據所述稀疏編碼特征和訓練集訓練得到分類模型；

步驟4.計算待檢測深度圖像的稀疏編碼特征，并將其輸入所述分類模型中，以得出待檢測深度圖像是否包含人體以及人體的位置。

進一步的，為實現對人體的標注，步驟1中，所述在深度圖像中標注人體具體包括：

將深度圖像的深度值線性轉換為灰度圖像，并用矩形框標注人體圖像。

進一步的，為采樣圖像小塊，步驟2中，所述從人體圖像中采樣圖像小塊具體包括：

將標注的所有人體圖像縮放至第一預設大小，對于每個人體圖像，截取第二預設大小的圖像小塊，將所有圖像小塊按先行后列展成列向量，得到集合Y＝{y₁，...，y_n}，其中，列向量y_i表示一個圖像小塊。

進一步的，為生成字典，步驟2中，所述生成字典具體包括：

根據字典學習算法K-SVD優化以下目標函數，得到最優的字典：