靜止攝像機場景下特定顏色行人的檢測方法技術

本發明專利技術提供了一種靜止攝像機場景下特定顏色行人的檢測方法，該方法采用高斯混合模型對場景的背景進行建模，在得到背景模型后通過與當前處理圖像的比對得到粗略的運動前景，通過濾波和形態學處理后將運動前景以矩形塊的形式提出，稱之為前景塊；對各個前景塊中前景點所占比例進行計算并結合前景點在水平坐標上投影個數的統計特性區分出復雜前景塊和簡單前景塊，并估計出可能存在行人的水平坐標；對于復雜前景塊，利用在線行人高度估計模型和基于方向梯度直方圖特征的Adaboost分類器對行人目標進行精確檢測；獲得行人目標位置后，對其衣著顏色進行識別。本發明專利技術提升了行人目標的檢測速度和準確度，可應用于實時視頻監控和視頻檢索中。

【技術實現步驟摘要】

本專利技術涉及的是ー種視頻圖像處理和模式識別
的方法，具體是ー種應用于視頻監控系統的特定顔色行人檢測方法。
技術介紹
行人目標檢測的主要任務是對視頻序列中的行人進行標記以實現檢索的目的。特定顏色行人的檢測則是在行人目標檢測的基礎之上進ー步識別出具有特定顔色的行人目標，例如在給定視頻中檢測穿藍色上衣的行人。特定顔色行人的檢測技術可應用于視頻監控、視頻檢索等領域，從而減少海量的監控視頻數據給操作人員帶來的負擔。典型的行人檢測方法是基于背景建模的，根據當前視頻圖片信息與背景模型進行比對，提取出前景塊并將各個前景塊都當作獨立的物體，然后直接利用前景塊的特征進行物體分類識別，例如 J. Renno 等人在” Object Classification in Visual SurveillanceUsing Adaboost”中提到的方法，該論文收錄在2007年的《Computer Vision and PatternRecognition))會議集第I到8頁。這種方法的優點在于根據背景模型能快速的找到前景塊，而且識別過程簡單，因此可以達到良好的實時性。然而，很多時候在ー個前景塊中可能出現多個物體，由于運動目標可能出現相互遮擋，在前景的提取處理中他們會被當成ー個前景塊，該方法就可能將整個前景塊判定為ー個物體。對于靜態圖片中的行人檢測問題，Navneet Dalal等人在2005年的《ComputerVision and Pattern Recognition》會議上提出了利用方向梯度直方圖特征HOG對行人的形狀進行學習并訓練SVM分類器，通過分類器去判別和檢測行人目標的方法。該論文收錄在 2005 年《Computer Vision and Pattern Recognition》會議集的第 886 到 893 頁。由于不同行人的形狀都比較相似，而且這種方法容許行人有一些細微的肢體動作，這些細微的肢體動作可以被忽略而不影響檢測效果，這種方法在靜態圖片的行人檢測中得到了廣泛的應用和發展。但這種方法在特征提取和分類過程中將消耗很長時間，使其難以單獨應用于視頻監控領域。中國專利《基于前景分析和模式識別的行人檢測方法》(公布號為CN102147869A)中，該專利結合了背景建模和分類器檢測的方法對行人進行檢測，該方法與本專利技術的行人檢測方法框架上有相似之處，都用到了前景信息和分類器，但該方法中對行人的高度估計依靠先驗的行人高度模型，在檢測前需要手工進行人的高度標定，而且該專利所述的找輪廓峰值點的方法估計行人的位置可能會消耗較多的時間。本專利技術針對以上問題都作了解決，采用自適應的行人高度模型省去了手工標定的過程，利用前景點的統計特征而不是輪廓特征使行人位置的估計速度得到了提高。顔色檢測的主要任務是識別出感興趣目標的主體顔色，在車輛檢測等領域已有具體的應用，例如Mengjie Yang在《Vehicle Color Recognition Using Monocular camera))中提到了一種檢測車輛顏色的方法，該論文收錄在2011年的《Wireless CommunicationandSignal Processing》會議集的第I到第5頁。實現顏色檢測的方法有很多，例如Brown, L. M.在《Color Retrieval for Video Surveillance》中提到的一種基于 HSV 空間分割的顏色檢測方法，該論文收錄在2008年的《Advanced Video andSignal BasedSurveillance))會議集的第283到290頁。該方法優點在于將顏色檢測問題簡化為對幾類主要顔色的檢測，并且圖像在HSV顔色空間中處理，一定程度上減小了光照對顏色檢測的干擾。
技術實現思路
針對現有技術中的缺陷，本專利技術的目的是提供ー種改良的基于運動前景分析和靜態圖片檢測技術的特定顔色行人檢測方法，既提升了行人檢測的速度和準確度，又能在行人檢測的基礎上識別出行人的衣著顔色，提高實用性。根據本專利技術的一方面，提供一種檢測視頻中行人目標的方法，該方法包括如下步驟第一歩，采用高斯混合模型對場景的背景進行建模，在得到背景模型后通過與當前處理圖像的比對得到粗略的運動前景，通過濾波和形態學處理后將運動前景以矩形塊的形式提出，稱之為前景塊；第二歩，對各個前景塊中前景點所占比例進行計算并結合前景點在水平坐標上投影個數的統計特性區分出復雜前景塊和簡單前景塊，并估計出可能存在行人的水平坐標；第三步，對于簡單前景塊由其尺寸判斷是否為行人；對于復雜前景塊，利用在線行人高度估計模型和基于方向梯度直方圖特征的Adaboost分類器對行人目標進行精確檢測，得到視頻中的行人目標。優選地，所述的行人的水平坐標估計方法如下利用高斯混合模型得到的前景點在水平坐標上進行投影，統計落在各個水平坐標上的前景點個數生成直方圖，對得到的直方圖進行平滑濾波，濾波后直方圖中存在凸包的位置就是可能有行人的位置，通過對直方圖進行凸包檢測就可以估計出可能存在行人的水平位置。所述前景點在水平坐標上的投影直方圖計算公式如下本文檔來自技高網...

【技術保護點】
一種檢測視頻中行人目標的方法，其特征在于，該方法包括如下步驟：第一步，采用高斯混合模型對場景的背景進行建模，在得到背景模型后通過與當前處理圖像的比對得到粗略的運動前景，通過濾波和形態學處理后將運動前景以矩形塊的形式提出，稱之為前景塊；第二步，對各個前景塊中前景點所占比例進行計算并結合前景點在水平坐標上投影個數的統計特性區分出復雜前景塊和簡單前景塊，并估計出可能存在行人的水平坐標；第三步，對于簡單前景塊由其尺寸判斷是否為行人；對于復雜前景塊，利用在線行人高度估計模型和基于方向梯度直方圖特征的Adaboost分類器對行人目標進行精確檢測，得到視頻中的行人目標。

【技術特征摘要】
1.一種檢測視頻中行人目標的方法，其特征在于，該方法包括如下步驟 第一歩，采用高斯混合模型對場景的背景進行建模，在得到背景模型后通過與當前處理圖像的比對得到粗略的運動前景，通過濾波和形態學處理后將運動前景以矩形塊的形式提出，稱之為前景塊； 第二歩，對各個前景塊中前景點所占比例進行計算并結合前景點在水平坐標上投影個數的統計特性區分出復雜前景塊和簡單前景塊，并估計出可能存在行人的水平坐標； 第三步，對于簡單前景塊由其尺寸判斷是否為行人；對于復雜前景塊，利用在線行人高度估計模型和基于方向梯度直方圖特征的Adaboost分類器對行人目標進行精確檢測，得到視頻中的行人目標。2.根據權利要求1所述的檢測視頻中行人目標的方法，其特征在于，所述的行人水平坐標估計方法如下利用高斯混合模型得到的前景點在水平坐標上進行投影，統計落在各個水平坐標上的前景點個數生成直方圖，對得到的直方圖進行平滑濾波，濾波后直方圖中存在凸包的位置就是可能有行人的位置，通過對直方圖進行凸包檢測估計出可能存在行人的水平位置。3.根據權利要求1所述的檢測視頻中行人目標的方法，其特征在于，所述的簡單前景塊是指包含單個物體的前景塊，復雜前景塊是指包含多個物體的前景塊，區分簡單前景塊和復雜前景塊的方式如下對于簡單前景塊，其前景點像素所占前景塊的比例大于等于0.45，通過設定前景點比例的閾值初歩判定處理對象是否可能為簡單前景塊，如果判定為簡單前景塊，再利用行人水平坐標估計的方法查看其中是否可能有多于ー個的行人目標，如果估計出其中可能包含多個行人目標則將前景塊歸到復雜前景塊中，否則為簡單前景塊；區分簡單和復雜前景塊的ー個原則是允許將簡單前景塊劃分到復雜前景塊中，但不允許將復雜前景塊劃歸到簡單前景塊中。4.根據權利要求1所述的檢測視頻中行人目標的方法，其特征在于，所述的在線行人高度估計模型通過以下方式得到假定場景中的不同行人的身高服從高斯分布，對于同一個行人其在場景中的高度隨垂直坐標的變化而線性變化，從而用一個關于垂直坐標y的條件...

【專利技術屬性】
技術研發人員：李天宇，胡偉，楊杰，姚莉秀，
申請(專利權)人：上海交通大學，
類型：發明
國別省市：