视频中基于头顶像素点梯度方向的行人头肩部检测方法

摘要

本发明涉及视频图像处理技术领域，具体为视频中行人头肩部的检测方法，解决了现有的视频中行人检测方法存在的效率低、漏检率高、精度低的问题。一种视频中基于头顶像素点梯度方向的行人头肩部检测方法，采用均值法对视频的场景进行背景建模，提取视频图像的前景；利用头顶像素点的梯度方向具有固定范围这一特性在前景中找出头顶候选点，根据该点的坐标计算出头肩部的尺寸大小和位置，作为人体头肩部的待测窗口；提取待测窗口的HOG特征和HSV颜色特征输入到分类器中检测待测窗口是否为人体头肩部。本发明既可以提高行人检测精确度，也能够提高检测系统的效率，还可以应用在复杂背景的场景中，降低因行人身体被遮挡而造成的漏检率。

主权项

一种视频中基于头顶像素点梯度方向的行人头肩部检测方法，其特征在于：包括如下步骤：（1）、在训练样本中，提取行人头肩部样本的HOG特征和头部样本的HSV颜色特征，采用SVM机器学习分类器训练生成头肩部SVM分类器，具体如下：a、提取头肩部正负样本的HOG特征：将大小为64×64像素的头肩部正负样本分割成64个大小为8×8的单元格，然后把0～180°内的梯度方向均匀划分成9个区间，在每个单元格内将所有像素的梯度值在各个方向区间进行直方图统计，便得到一个9维的特征向量，每相邻的4个单元格组合成一个方块，最后将每个方块中的36维特征向量进行归一化处理，即提取的头肩部正负样本的HOG特征维数为7×7×36=1764维；b、提取头部正负样本的HSV颜色特征：将大小为32×32像素的头部正负样本分为4×4个大小为8×8的块，在每一个块中计算该块中像素点的HSV颜色的均值，并将16个块的颜色的均值排列起来形成特征，即提取的头部正负样本的HSV颜色特征维数为16×3=48维；c、采用 Dalal 的实验方法，取惩罚因子C=0.01，用SVM机器学习方法对头肩部正负样本的HOG特征和头部正负样本的HSV颜色特征进行分类，得到头肩部SVM分类器；（2）、获取待测视频中的某一帧图像的前景图像，方法如下：采用均值背景建模法对视频背景进行建模，利用减除法和形态学后处理，提取视频图像帧的前景图像；（3）、在前景图像中确定头顶候选点：在前景图像的灰度图像中，选取梯度方向在[85°，95°]范围内且像素值在垂直方向的变化大于25的像素点，作为头顶候选点；（4）、定位出行人头肩部的待测窗口：首先，在待测视频中选取不小于10帧视频图像帧作为样本视频图像帧，记录行人头顶像素点的坐标，并用1:1大小的矩形框标记行人头肩部的宽度，采集多组行人头顶像素点的坐标和头肩部宽度信息，通过最小二乘法拟合出头肩部的宽度和头顶点坐标之间的关系；然后，检测时，在待测视频图像帧中，根据检测到的头顶候选点的坐标便可计算出行人头肩部的位置和大小，即定位出头肩部的待测窗口；（5）、提取步骤（4）得出的行人头肩部的待测窗口的HOG特征和HSV颜色特征，输入到步骤（1）获得的头肩部SVM分类器中，判别待测窗口是否为行人头肩部，如果是，则提取；如果否，则放弃；实现待测视频图像帧中的行人头肩部检测。