[发明专利]检测人体部位和人的方法和设备以及对象检测方法和设备

说明书

技术领域

本发明涉及对象检测方法和设备，更具体地讲，涉及一种通过使用差分 图像作为特征图像来检测人体部位和人的方法和设备以及对象检测方法和设 备。

背景技术

对象检测对于视频分析技术(例如，基于内容的视频或图像对象恢复、 视频监控、视频压缩以及自动辅助驾驶)非常重要。在现实世界中，人的检 测是最具挑战性的检测类别之一。人的检测可被应用到三种情况：

第一种情况，用于确定在视场中是否存在人。例如，在协助驾驶时，当 路上的行人靠近车辆时，系统对驾驶员做出报警。这可被实现为集成成像装 置的嵌入式智能装置。

第二种情况，用于静态相机或PTZ相机中同一人的相干跟踪。前者可收 集人的移动轨迹，可适于智能行为分析。后者可将其姿态调整为跟踪移动的 人，并使其在图像的中心以记录其细节或行为。这可被实现为通过互联网连 接到存储装置或显示装置的智能相机或PTZ相机。

第三种情况，当机器人希望跟随人或试图注视人与人进行交流时。机器 人尝试检测在其相机的图像中人的位置，并做出相应的行动，例如，移动、 跟随、注视或调整其姿势。这可实现为集成在机器人的功能单元总的嵌入式 装置。

各种类型和样式的服装导致人的局部和整体形貌具有很大的可变性，因 此仅有很少的局部区域可称为其所属类别的特征，这需要即使在不同照明条 件下的混乱的背景中也具有鲁棒性和可识别性的特征集。此外，整体形状经 历由于各种可能的清晰度和大量成为阻碍的附属物导致的宽范围变形，或者 可导致人的轮廓改变的在同一图像区域中出现多个人的阻碍导致的宽范围变 形，这就需要从总的迹象(evidence)中克服少数干扰，推断正确的结果的算 法。

已经对克服这些问题进行了各种尝试。这些尝试的示例包括：多视图人 的头部检测的方法(公开在“multi-view human head detection in static images”， machine vision application 2005，作者为M.Chen等，以下称为R1)、使用运 动和外貌信息的检测方法(公开在“international conference on computer vision 2003”，作者为V.Paul等，以下称为R2)、使用梯度的柱状图检测人的方法 (公开在“international conference on computer vision and pattern recognition”， 作者为Q.Zhu等，以下称为R3)、使用边缘方位的统计分布的检测人的方法 (公开在第20060147108A1号美国专利中，以下称为R4)。

前面的人检测方法不是使用全局模型(例如，整个身体外貌或轮廓检测 器或局部特征的集合或者部位检测器)。前者提取人的整体特征并基于其外貌 或轮廓建立全局模型[R1]。后者将人体分解为几个部分(例如，人的头部、 人的躯干、人的腿和人的臂部)[R2、R3、R4]。通过部位检测来表现人的检 测，并将研究内容简化为与人体部位相应的模型。模型学习方法通常包括 SVM、Adaboosting和其他辅助方法。

我们知道，人脸检测近年来取得了很大的进展，其在实时处理中可以达 到很高的检测率和较低的虚警率。然而，对于实际目的的应用，人的检测仍 然需要做很多工作。首先，人检测器能够适应于人的外貌随着衣服样式和不 同照明条件的改变，并且应该建立在可从人的外貌的各种变形捕捉特征形状 的鲁棒型特征的基础上；最后，应该需要较少的计算量和实时处理。

发明内容

本发明的示例性实施例克服上述缺点以及上面没有描述的其他缺点。此 外，本发明不需要克服上述缺点，本发明的示例性实施例可不克服上述任何 问题。

根据本发明的一方面，提供一种检测图像中人体部位/人的方法，所述方 法包括：计算被检测图像的差分图像；基于计算的被检测图像的差分图像使 用与第一人体部位相应的第一人体部位模型检测所述第一人体部位，其中， 所述第一人体部位模型是通过对从所述第一人体部位的正样本和负样本的差 分图像提取的特征集进行学习而得到的。