复杂场景下的人体头部识别方法

摘要

本发明涉及一种复杂场景下的人体头部识别方法，将视频设备输入的视频流分解成单帧视频序列后分配给由外轮廓识别模块、特征弧识别模块和颜色识别模块进行处理；外轮廓识别模块对单帧视频序列进行前背景分离、外轮廓提取，计算头顶顶点权概率分布；特征弧识别模块在平滑及灰度化处理后的图像上做边缘检测、特征弧匹配后得到特征弧匹配概率分布；颜色识别模块将前景图像与颜色原始模板进行匹配得到色彩权概率分布；将顶点权概率分布、特征弧匹配概率分布以及色彩权概率分布通过加权叠加，得到最终的头顶概率分布。本发明有效抑制了人体遮挡、摄像机角度、光照变化等客观环境造成不良影响，实现对人体的头部检测，识别速度快、精度高，可以利用现有大部分监控系统。

主权项

一种复杂场景下的人体头部识别方法，其特征在于包括以下步骤：将视频设备输入的视频流分解成单帧视频序列后分配给由外轮廓识别模块、特征弧识别模块和颜色识别模块三个模块进行处理；外轮廓识别模块对单帧视频序列进行前背景分离后，进行外轮廓提取，并计算出头顶顶点权概率分布；特征弧识别模块在对单帧视频序列进行平滑及灰度化处理后的图像上做边缘检测，再经过特征弧匹配后得到特征弧匹配概率分布；颜色识别模块将前景图像与颜色原始模板进行匹配得到色彩权概率分布；将上述顶点权概率分布、特征弧匹配概率分布以及色彩权概率分布通过简单boosting加权叠加，得到最终的头顶概率分布；所述计算出头顶顶点权概率分布包括以下步骤：确定计算起始点P0，将外轮廓提取结果得到的轮廓链链首作为起始点；选取辅助计算点，沿轮廓链在起始点两侧分别确定近端辅助点和远端辅助点；通过近端辅助点和远端辅助点计算起始点平均曲率的大小及法线方向；依据平均曲率大小及法线方向计算起始点顶点权；如果没到轮廓链链尾，则沿轮廓链计算下一点顶点权直到该轮廓所有点计算完为止；对顶点权进行加权距离变换，将权重按值大小向空间散布；归一化处理得到顶点权概率分布；所述特征弧匹配概率分布通过以下步骤得到：将视频设备输入的视频流分解成单帧视频序列进行平滑处理后的灰度图与得到的前景图进行掩码后作为边缘特征计算的输入数据；在上述作为边缘特征计算的输入数据中抽取边缘特征及边缘特征点；判断得到的边缘特征点的边缘强度是否大于阈值，如大于阈值，则取边缘特征点所在位置相应匹配模板大小图像；将该图像与预先建立好的原始模板进行匹配并记录得分；在与原始模板匹配后，动态调节原始模板大小；判断匹配得分是否高于前一次动态调节后的原始模板，如果匹配得分不高于前一次动态调节后的模板，则置特征弧匹配权为前一次动态调节后的模板匹配得分；判断所有边缘特征点是否处理完毕，如处理完毕，则进行归一化处理，得到特征弧匹配概率分布并输出；如果没处理完，则返回至抽取边缘特征 点步骤进行下一个点处理；如果模板匹配得分高于前一次动态调节后的原始模板，则继续沿原调节方向对模板进行放大或缩小处理直到得分不再增加为止，并将此时分数作为最终模板匹配得分；所述色彩权概率分布通过以下步骤得到：以一帧原始视频图像与前景图进行掩码的结果作为输入数据，在此输入数据中选取有效颜色特征点；判断有效颜色特征点对应的特征弧点匹配权是否小于阈值；如果特征弧点匹配权不小于阈值，则取该有效颜色特征点所在图像窗口分别与正面模板和负面模板进行匹配，记录上述匹配的最大匹配得分；判断所有有效颜色特征点是否处理完毕；如处理完毕，则进行归一化处理得到色彩权概率分布并输出；所述简单boosting为通过对顶点权概率分布、特征弧匹配概率分布以及色彩权概率分布三种弱分类器的线性加权叠加得到强分类器结果输出。