一种基于头肩模型的特定人体识别方法

摘要

本发明涉及一种基于头肩模型的特定人体识别方法，属于模式识别与人工智能和计算机视觉领域。本发明采用摄像机作为视频采集装置，工控机作为视频处理装置。首先检测运动目标，统计得到的运动目标二值图像中的人体数目并提取人体头肩模型，同时存在多个人体则按顺序编号；按编号依次提取人体头肩模型的不变矩，根据分类标准将头肩模型分类为正背面或侧面；根据人体头肩模型的分类分别用训练好的正背面KNN分类器或侧面KNN分类器分类，实现对特定人体的识别，输出识别结果。本发明可以很好的提高识别准确率。

主权项

1.一种基于头肩模型的特定人体识别方法，该方法基于摄像机和工控机构成的硬件平台，其特征在于包括以下步骤：(1)工控机实时对摄像机采集的视频图像按帧进行运动目标检测，得到运动目标二值图像；(2)统计上一步得到的运动目标二值图像中的人体数目，当运动目标二值图像中含有多个人体时对所有人体依次编号，得到人体二值图像；(3)提取人体二值图像中的人体头肩模型，得到人体头肩模型二值图像，当人体二值图像中含有多个人体时依次对提取的人体头肩模型编号，人体头肩模型的编号与其对应人体的编号相同；(4)对人体头肩模型按编号依次提取不变矩，不变矩计算公式如下：其中：${\eta }_{\mathrm{pq}}=\frac{{\mu }_{\mathrm{pq}}}{{\mu }_{00}^{\frac{p+q}{2}+1}},(p,q=\mathrm{0,1,2,3})$${\mu }_{\mathrm{pq}}=\underset{x}{\Sigma }\underset{y}{\Sigma }{(x-\bar{x})}^p{(y-\bar{y})}^{q}f(x,y),$x，y分别为人体头肩模型二值图像中某一像素的横、纵坐标；f(x，y)为人体头肩模型二值图像中某一像素点的像素值；分别为人体头肩模型二值图像重心点的横、纵坐标，$\bar{x}=m_{10}/m_{00},\bar{y}=m_{01}/m_{00},m_{\mathrm{pq}}=\underset{x}{\Sigma }\underset{y}{\Sigma }{x}^p{x}^{q}f(x,y),$m_pq为人体头肩模型二值图像的(p+q)阶原点矩；(5)选用M₁、M₂、M₆对人体头肩模型进行正背面或侧面的分类，分类标准如下：当M₁＜ε₁时，为侧面；当M₁＞ε₂时为正背面；当ε₁≤M₁≤ε₂时，若M₂＞ε₃且M₆＞ε₄时，为正背面，若M₂≤ε₃或M₆≤ε₄时，为侧面；其中，ε₁的取值范围为[0.5800，0.5900]，ε₂的取值范围为[0.6100，0.6200]，ε₃的取值范围为[0.2300，0.2400]，ε₄的取值范围为[0.1400，0.1500]；(6)用训练好的KNN分类器对分类后的人体头肩模型进行识别，6.1)当人体头肩模型分类为正背面时，送入训练好的正背面KNN分类器；当人体头肩模型分类为侧面时，送入训练好的侧面KNN分类器；6.2)计算人体头肩模型的不变矩特征与已知类别的训练样本的不变矩特征之间的欧氏距离d，计算欧氏距离的公式为：$d=\sqrt{\underset{i=1}{\overset{7}{\Sigma }}{(M_i-M_i^{\prime })}^2}$其中：M_i，M′_i分别为人体头肩模型的第i个不变矩特征与已知类别的训练样本的第i个不变矩特征；6.3)寻找与人体头肩模型的不变矩特征欧氏距离最近，且距离小于L的k个邻居，其中，k为大于2的奇数，L取值范围为[0.0091，0.0150]，若无法找到k个欧氏距离小于L的邻居，则人体头肩模型对应的人体为非特定人体，若找到k个欧氏距离小于L的邻居，则人体头肩模型对应的人体为特定人体，人体头肩模型的k个邻居的类别中占多数的类别即为人体头肩模型的类别，也即特定人体的类别，若人体头肩模型的k个邻居的类别中没有占多数的类别，则欧氏距离d最小的邻居的类别即为人体头肩模型的类别，也即特定人体的类别。