一种适用于低对比度视频的人体上半身检测及分割的方法

摘要

本发明涉及一种适用于低对比度视频的人体上半身检测及分割的方法，主要由两个过程构成。首先，从当前帧中通过背景剔除技术及形态学方法提取出表示前景对象的连通区域，然后对于每个前景区域，提取出其对应的基于极坐标二维直方图的形状特征，作为一个预先训练好的基于支持向量机的分类器的输入，输出一个对应于人体上半身类及非人体上半身类的类标签。第二步过程，当已经被识别为人体的区域被误判为非人体区域时，用一个能量函数来表征相应区域，同时通过一个能量函数最小化过程纠正错误的轮廓线。最后在获得正确的前景人体轮廓的基础上更新背景帧。本发明能够实时处理较低对比度及分辨率的视频，检测正确率及分割结果都能满足应用的需求。

主权项

一种适用于低对比度视频的人体上半身检测及分割的方法，其特征在于该方法包括以下步骤：（1）前景提取:首先指定视频的第一帧作为背景帧，把其格式从RGB颜色空间转换到Lab颜色空间，然后对于输入的每一帧，都用同样的方式进行颜色转换；转换后的输出帧与背景帧使用背景剔除的方法来提取前景对象区域；然后对提取后的每个区域，使用膨胀腐蚀的形态学操作对噪点及空洞进行滤波，最后使用广度优先连通区域搜索算法对前背景区域进行标记，生成前景区域掩码；（2）形状特征提取:首先通过轮廓检测算法提取出前景区域的轮廓线并对其采样；然后以区域质心为原点建立一个极坐标系，对于每个采样轮廓点，把其映射到一个二维平面，最终所有采样点便形成了一二维直方图；最后对得到的直方图归一化并展开，获得一高维向量；（3）基于支持向量机的人体上半身模型训练：以上一步骤中获得的向量作为样本，使用以半径基函数为核函数的非线性支持向量机算法对所有训练样本进行K次交叉验证分析，最终生成一非线性决策超平面作为人体上半身区域与非人体上半身区域的分类器；（4）基于支持向量机的人体上半身模型分类：同样以步骤（2）中所获得的向量作为步骤（3）中训练所得分类器的输入，输出经分类器决策映射后的类标签；（5）能量函数最小化优化：对于一个开始被认为是人体区域的前景区域，当其处理过程中被分类器检测到其类标签为非人体区域时，用一个能量函数来对轮廓曲线进行建模，以前一帧中正确的轮廓曲线为初始值，用欧拉‑拉格朗日方法求解，并用最后的结果更新背景区域。