[发明专利]一种目标场所优化调度方法及系统

权利要求书

1.一种目标场所优化调度方法，其特征在于，包括下列步骤：

步骤A，采集视频图像的正例样本集合和反例样本集合；

步骤B，在正例样本集合和反例样本集合中，提取图像特征并进行训练，得到用于目标场所目标检测的分类器；

步骤C，从获取的目标场所的实时视频图像中，利用分类器检测出目标，对目标场所进行优化调度。

2.根据权利要求1所述的目标场所优化调度方法，其特征在于，还包括下列步骤：

步骤D，将从目标场所获取的实时视频图像检测出的目标所在区域作为正例样本，重复步骤B，进行训练，进一步提高分类器的分类精确度。

3.根据权利要求1或2所述的目标场所优化调度方法，其特征在于，所述步骤A包括下列步骤：

A1.采集训练的正例样本集合；

A2.采集训练的反例样本集合。

4.根据权利要求3所述的目标场所优化调度方法，其特征在于，所述正例样本，是根据目标优化调度的目标场所，对目标场所或者与目标场所相近似的场所进行监控录像，在所获得的视频图像中，将目标标注出来作为训练的正例样本。

5.根据权利要求4所述的目标场所优化调度方法，其特征在于，所述反例样本，是指不包含目标的图像，是来自采集的不包含目标的视频图像，或者收集的不包含目标的静止图像。

6.根据权利要求1或2所述的目标场所优化调度方法，其特征在于，所述步骤B包括下列步骤：

步骤B1，在确定了正例样本集合和反例样本集合之后，确定训练使用的图像特征；

步骤B2，进行正例样本集合和反例样本集合的图像特征提取；

步骤B3，利用正例样本集合和反例样本集合，以及它们的视频图像的特征的值，进行训练，得到用于目标场所目标检测的分类器。

7.根据权利要求6所述的目标场所优化调度方法，其特征在于，所述图像特征为利用矩形特征表示法表示。

8.根据权利要求7所述的目标场所优化调度方法，其特征在于，所述矩形特征表示法为扩展Harr-like特征表示法。

9.根据权利要求8所述的目标场所优化调度方法，其特征在于，所述图像特征提取是通过利用积分图方法实现的。

10.根据权利要求6所述的目标场所优化调度方法，其特征在于，所述步骤B3中，训练得到用于目标场所目标检测的分类器，包括下列步骤：

步骤B31，利用迭代训练过程，每次训练得到一个弱分类器，全部弱分类器线性组合形成一个强分类器；

步骤B32，将强分类器串联在一起形成分级分类器。

11.根据权利要求1所述的目标场所优化调度方法，其特征在于，所述步骤C包括下列步骤：

步骤C1，根据每个目标场所的特点设定相应的检测区域，获取目标场所的实时视频图像；

步骤C2，从目标场所的实时视频图像中，根据目标场所的状态选择图像帧；

步骤C3，对获得的图像帧进行预处理，筛除未包含目标的视频图像的图像帧；

步骤C4，对包含目标的图像帧，利用分类器进行目标检测；

步骤C5，根据实时监控视频图像检测出的目标场所的目标信息，及目标场所的已知信息，对目标场所进行调度。

12.根据权利要求11所述的目标场所优化调度方法，其特征在于，所述目标场所为电梯间；所述目标为乘梯人体。

13.根据权利要求12所述的目标场所优化调度方法，其特征在于，所述正例样本为包含人体头肩部的电梯监控视频图像。

14.根据权利要求11所述的目标场所优化调度方法，其特征在于，所述步骤C2包括下列步骤：

C21，在电梯关门并开始运行之后，选择电梯内的图像帧；

C22，对有电梯外呼梯请求的候梯人的图像帧进行统计。

15.根据权利要求11所述的目标场所优化调度方法，其特征在于，所述步骤C4包括下列步骤：

C41，利用训练好的分类器对得到的预处理后的图像帧进行场景人数统计；

C42，判断检测结果的窗口关系，如果一个窗口全部包含在另一个窗口中，而且两个窗口的中心点位置相近，则保留大点的窗口，去除小的窗口，筛选出目标场所的精确目标。