一種室外行人實(shí)時(shí)檢測(cè)方法技術(shù)

本發(fā)明專利技術(shù)涉及一種室外行人實(shí)時(shí)檢測(cè)方法，包括：輸入視頻序列；輸入當(dāng)前視頻幀s

Outdoor pedestrian real-time detection method

The invention relates to an outdoor pedestrian real-time detection method, comprising: inputting a video sequence; inputting the current video frame s;

【技術(shù)實(shí)現(xiàn)步驟摘要】
一種室外行人實(shí)時(shí)檢測(cè)方法
本專利技術(shù)涉及目標(biāo)檢測(cè)
，具體涉及一種室外行人實(shí)時(shí)檢測(cè)方法。
技術(shù)介紹
隨著攝像頭安裝數(shù)量的日益增多，以及智慧城市和公共安全需求的日益增長(zhǎng)，采用人工的視頻監(jiān)控方式已經(jīng)遠(yuǎn)遠(yuǎn)不能滿足需要，因此智能視頻監(jiān)控技術(shù)應(yīng)運(yùn)而生并迅速成為一個(gè)研究熱點(diǎn)。在實(shí)際應(yīng)用中，對(duì)室外環(huán)境的行人進(jìn)行檢測(cè)監(jiān)控一直是研究的難點(diǎn)，這是因?yàn)槭彝猸h(huán)境復(fù)雜多變，存在光照變化、樹葉搖晃、小動(dòng)物(尤其是夜間燈光引來的飛蟲)等干擾。在人體檢測(cè)方法中目前最具影響力的方法是由Dalal等提出的梯度直方圖(Histogramoforientedgradients，簡(jiǎn)稱HOG)結(jié)合支持向量機(jī)(Supportvectormachine，簡(jiǎn)稱SVM)分類器的人體檢測(cè)方法。HOG描述圖像的局部邊緣梯度信息，對(duì)小量的偏移和光照變化具有很好的魯棒性，缺點(diǎn)是維度較高，以致其提取速度很慢，計(jì)算時(shí)間比較長(zhǎng)，影響實(shí)時(shí)性。針對(duì)靜態(tài)圖像識(shí)別應(yīng)用場(chǎng)景，相關(guān)學(xué)者在特征提取、分類器的訓(xùn)練和分類等方面做出了不少改進(jìn)。此外針對(duì)動(dòng)態(tài)視頻識(shí)別應(yīng)用場(chǎng)景，也有相關(guān)學(xué)者提出將前景提取與人體識(shí)別相結(jié)合的方法，該方法是采用現(xiàn)有的某種前景檢測(cè)算法定位圖像中的感興趣區(qū)域(regionofinteresting，簡(jiǎn)稱ROI)，然后在此圖像區(qū)域上通過HOG的方法進(jìn)行人體識(shí)別。常用的前景檢測(cè)方法有：背景差分法、幀間差分法、光流法、混合高斯背景建模法、視覺背景抽取法(VisualBackgroundextractor，簡(jiǎn)稱ViBe)等。背景差分法和幀間差分法在復(fù)雜的環(huán)境中適應(yīng)性不強(qiáng)，光流法計(jì)算復(fù)雜度較高，而應(yīng)用較為廣泛的混合高斯背景建模法也存在計(jì)算復(fù)雜、不適應(yīng)變化較快的背景等問題。ViBe方法是一種高效的像素級(jí)背景建模算法，運(yùn)算速度快且具有較強(qiáng)的魯棒性，然而對(duì)于光線突變、大幅度樹枝搖晃等較大背景變化仍然適應(yīng)性不強(qiáng)。在室外環(huán)境中，受復(fù)雜的背景變化影響，前景檢測(cè)的誤報(bào)率比較高，在此基礎(chǔ)上進(jìn)行的行人檢測(cè)仍然較難在實(shí)時(shí)性與準(zhǔn)確性之間進(jìn)行平衡。
技術(shù)實(shí)現(xiàn)思路
有鑒于此，有必要針對(duì)現(xiàn)有技術(shù)存在的問題，提出一種室外行人實(shí)時(shí)檢測(cè)方法，該方法有效降低了光照突變、樹枝大幅度搖晃等背景變化的干擾，提高了準(zhǔn)確性的同時(shí)，也降低了無意義的行人檢測(cè)次數(shù)，進(jìn)而提高檢測(cè)速度，在保證行人識(shí)別準(zhǔn)確率的同時(shí)，提高了算法的執(zhí)行速度，保證了實(shí)時(shí)性并具有較高的魯棒性。為了實(shí)現(xiàn)上述目的，本專利技術(shù)的技術(shù)方案如下：一種室外行人實(shí)時(shí)檢測(cè)方法，包括以下步驟：步驟S1，輸入視頻序列S＝{s1，s2，…，st}；步驟S2，輸入當(dāng)前視頻幀st并將其縮小到指定尺寸得到壓縮幀F(xiàn)t；步驟S3，利用改進(jìn)ViBe算法檢測(cè)前景目標(biāo)區(qū)域；步驟S4，根據(jù)前景檢測(cè)結(jié)果更新背景幀；步驟S5，利用連通區(qū)域跟蹤算法對(duì)前景目標(biāo)進(jìn)行跟蹤；步驟S6，對(duì)于每一個(gè)前景目標(biāo)跟蹤對(duì)象，采用指定的邏輯規(guī)則選擇性的執(zhí)行步驟S7、步驟S8、步驟S9；步驟S7，利用背景差對(duì)當(dāng)前跟蹤目標(biāo)的前景區(qū)域檢測(cè)結(jié)果進(jìn)行篩選；步驟S8，根據(jù)前景區(qū)域篩選結(jié)果在st中裁剪圖像，并對(duì)該圖像提取HOG特征；步驟S9，利用SVM分類器對(duì)HOG特征進(jìn)行行人檢測(cè)；進(jìn)一步地，步驟S3中包括：步驟S31，前P幀壓縮幀F(xiàn)t采用多幀平均計(jì)算法，得到平均幀圖A，計(jì)算方法如下式：步驟S32，根據(jù)前P幀得到的平均幀圖A，初始化ViBe背景模型；步驟S33，從第P+1幀起，對(duì)壓縮幀F(xiàn)t進(jìn)行前景檢測(cè)并更新ViBe背景模型；步驟S34，對(duì)前景檢測(cè)結(jié)果去噪，標(biāo)記連通域區(qū)域作為最終的前景目標(biāo)區(qū)域檢測(cè)結(jié)果；進(jìn)一步地，步驟S4中包括：步驟S41，將前P幀得到的平均幀圖A作為背景幀B0；步驟S42，從第P+1幀起，統(tǒng)計(jì)最新Q幀的平均幀Ct，并利用該平均幀以及前景區(qū)域檢測(cè)結(jié)果更新背景幀Bt，具體方法如下：步驟S421，從第P+1幀開始計(jì)算背景幀更新掩碼maskt；此處x判斷為前景/背景的依據(jù)來自基于改進(jìn)ViBe的前景目標(biāo)提取結(jié)果；步驟S422，根據(jù)更新掩碼對(duì)背景幀進(jìn)行更新：其中Bt-1為前一幀的背景幀，Ct為最新Q幀圖像的平均幀；進(jìn)一步地，步驟S6中指定的邏輯規(guī)則包括：規(guī)則1：對(duì)于前景目標(biāo)的前V幀持續(xù)執(zhí)行步驟S7、步驟S8、步驟S9；規(guī)則2：從前景目標(biāo)的V+1幀開始，以R的頻率間歇執(zhí)行步驟S7、步驟S8、步驟S9；規(guī)則3：當(dāng)一個(gè)前景跟蹤對(duì)象的“累計(jì)成功檢測(cè)行人個(gè)數(shù)”達(dá)到閾值后，判斷該跟蹤對(duì)象為行人，即可停止執(zhí)行步驟S7、步驟S8、步驟S9；進(jìn)一步地，步驟S7中包括：步驟S71，根據(jù)前景區(qū)域檢測(cè)結(jié)果，將壓縮幀F(xiàn)t對(duì)應(yīng)區(qū)域圖與背景幀Bt對(duì)應(yīng)區(qū)域圖做差得到背景差圖Dt，如下式：Dt(x)＝|Ft(x)-Bt(x)|；步驟S72，對(duì)背景差圖Dt進(jìn)行Otsu計(jì)算得到符合最大類間方差的最佳分割閾值，并判斷該分割閾值是否大于“前景判斷閾值”，若大于則判斷該區(qū)域存在前景目標(biāo)，通過篩選。有現(xiàn)有技術(shù)相比，本專利技術(shù)的方法有效降低了光照突變、樹枝大幅度搖晃等背景變化的干擾，提高了準(zhǔn)確性的同時(shí)，也降低了無意義的行人檢測(cè)次數(shù)，進(jìn)而提高檢測(cè)速度，在保證行人識(shí)別準(zhǔn)確率的同時(shí)，提高了算法的執(zhí)行速度，保證了實(shí)時(shí)性并具有較高的魯棒性。附圖說明圖1是室外行人實(shí)時(shí)檢測(cè)方法的流程圖。具體實(shí)施方式下面結(jié)合附圖和實(shí)施例對(duì)本專利技術(shù)所述的一種室外行人實(shí)時(shí)檢測(cè)方法作進(jìn)一步說明。如圖1所述，為本專利技術(shù)的一種室外行人實(shí)時(shí)檢測(cè)方法的工作流程，具體包括一下步驟：步驟S1，輸入視頻序列s＝{s1，s2，…，st}；步驟S2，輸入當(dāng)前視頻幀st并將其縮小到指定尺寸得到壓縮幀F(xiàn)t；步驟S3，利用改進(jìn)ViBe算法檢測(cè)前景目標(biāo)區(qū)域；步驟S4，根據(jù)前景檢測(cè)結(jié)果更新背景幀；步驟S5，利用連通區(qū)域跟蹤算法對(duì)前景目標(biāo)進(jìn)行跟蹤；步驟S6，對(duì)于每一個(gè)前景目標(biāo)跟蹤對(duì)象，采用指定的邏輯規(guī)則選擇性的執(zhí)行步驟S7、步驟S8、步驟S9；步驟S7，利用背景差對(duì)當(dāng)前跟蹤目標(biāo)的前景區(qū)域檢測(cè)結(jié)果進(jìn)行篩選；步驟S8，根據(jù)前景區(qū)域篩選結(jié)果在st中裁剪圖像，并對(duì)該圖像提取HOG特征；步驟S9，利用SVM分類器對(duì)HOG特征進(jìn)行行人檢測(cè)；在步驟S3中包括：步驟S31，前P幀壓縮幀F(xiàn)t采用多幀平均計(jì)算法，得到平均幀圖A，計(jì)算方法如下式：步驟S32，根據(jù)前P幀得到的平均幀圖A，初始化ViBe背景模型；步驟S33，從第P+1幀起，對(duì)壓縮幀F(xiàn)t進(jìn)行前景檢測(cè)并更新ViBe背景模型；步驟S34，對(duì)前景檢測(cè)結(jié)果去噪，標(biāo)記連通域區(qū)域作為最終的前景目標(biāo)區(qū)域檢測(cè)結(jié)果；在步驟S4中包括：步驟S41，將前P幀得到的平均幀圖A作為背景幀B0；步驟S42，從第P+1幀起，統(tǒng)計(jì)最新Q幀的平均幀Ct，并利用該平均幀以及前景區(qū)域檢測(cè)結(jié)果更新背景幀Bt，具體方法如下：步驟S421，從第P+1幀開始計(jì)算背景幀更新掩碼maskt；此處x判斷為前景/背景的依據(jù)來自基于改進(jìn)ViBe的前景目標(biāo)提取結(jié)果；步驟S422，根據(jù)更新掩碼對(duì)背景幀進(jìn)行更新：其中Bt-1為前一幀的背景幀，Ct為最新Q幀圖像的平均幀；在步驟S6中指定的邏輯規(guī)則包括：規(guī)則1：對(duì)于前景目標(biāo)的前V幀持續(xù)執(zhí)行步驟S7、步驟S8、步驟S9；規(guī)則2：從前景目標(biāo)的V+1幀開始，以R的頻率間歇執(zhí)行步驟S7、步驟S8、步驟S9；規(guī)則3：當(dāng)一個(gè)前景跟蹤對(duì)象的“累計(jì)成功檢測(cè)行人個(gè)數(shù)”達(dá)到閾值后，判斷該跟蹤對(duì)象為行人，即可停止執(zhí)行步驟S7、步驟S8、步驟S9本文檔來自技高網(wǎng)...

【技術(shù)保護(hù)點(diǎn)】
一種室外行人實(shí)時(shí)檢測(cè)方法，其特征在于，包括以下步驟：步驟S1，輸入視頻序列S＝{s

【技術(shù)特征摘要】
1.一種室外行人實(shí)時(shí)檢測(cè)方法，其特征在于，包括以下步驟：步驟S1，輸入視頻序列S＝{s1，s2，…，st}；步驟S2，輸入當(dāng)前視頻幀st并將其縮小到指定尺寸得到壓縮幀F(xiàn)t；步驟S3，利用改進(jìn)ViBe算法檢測(cè)前景目標(biāo)區(qū)域；步驟S4，根據(jù)前景檢測(cè)結(jié)果更新背景幀；步驟S5，利用連通區(qū)域跟蹤算法對(duì)前景目標(biāo)進(jìn)行跟蹤；步驟S6，對(duì)于每一個(gè)前景目標(biāo)跟蹤對(duì)象，采用指定的邏輯規(guī)則選擇性的執(zhí)行步驟S7、步驟S8、步驟S9；步驟S7，利用背景差對(duì)當(dāng)前跟蹤目標(biāo)的前景區(qū)域檢測(cè)結(jié)果進(jìn)行篩選；步驟S8，根據(jù)前景區(qū)域篩選結(jié)果在st中裁剪圖像，并對(duì)該圖像提取HOG特征；步驟S9，利用SVM分類器對(duì)HOG特征進(jìn)行行人檢測(cè)。2.根據(jù)權(quán)利要求1所述的一種室外行人實(shí)時(shí)檢測(cè)方法，其特征在于：步驟S3中包括：步驟S31，前P幀壓縮幀F(xiàn)t采用多幀平均計(jì)算法，得到平均幀圖A，計(jì)算方法如下式：步驟S32，根據(jù)前P幀得到的平均幀圖A，初始化ViBe背景模型；步驟S33，從第P+1幀起，對(duì)壓縮幀F(xiàn)t進(jìn)行前景檢測(cè)并更新ViBe背景模型；步驟S34，對(duì)前景檢測(cè)結(jié)果去噪，標(biāo)記連通域區(qū)域作為最終的前景目標(biāo)區(qū)域檢測(cè)結(jié)果。3.根據(jù)權(quán)利要求1所述的一種室外行人實(shí)時(shí)檢測(cè)方法，其特征在于：步驟S4中包括：步驟S41，將前P幀得到的平均幀圖A作為背景幀B0；步驟S42，從第P+1幀起，統(tǒng)計(jì)最新Q幀的平均幀C...

【專利技術(shù)屬性】
技術(shù)研發(fā)人員：崔瑩，陳升東，袁峰，李引，
申請(qǐng)(專利權(quán))人：廣州中國(guó)科學(xué)院軟件應(yīng)用技術(shù)研究所，
類型：發(fā)明
國(guó)別省市：廣東,44