[发明专利]静态目标检测方法

说明书

技术领域

本发明属于计算机视觉领域，涉及一类静态目标检测方法，用于行为识别领域里的人员在岗的检测。

背景技术

在有执勤、值班任务要求的场合，往往要求执勤人员、值班人员坚守岗位。这些执勤人员往往担负着重要场所、岗位的执勤任务，如看守弹药库、监狱、首长住所、重要办公场所的卫兵执勤等。一旦执勤人员擅自脱离岗位或受到非法袭击等特殊事件，可能会造成重大安全事故，甚至威胁到场所内值班人员的生命和财产安全。因此，需要对这类目标的状态进行实时监控，确保目标处于在岗状态。

静态目标检测的任务从根本上就是从视频序列中检测是否有感兴趣的目标存在，如果存在则属于正常状态，否则进行报警提示。从这个意义上讲，静态目标检测技术需要通过对执勤人员的检测来完成，即需要通过行人检测(Humandetection)技术来实现。

研究人员提出了不同的方法来解决行人检测中的各种问题，根据所利用的信息的不同，行人检测方法可以分为基于运动的识别方法和基于形状的识别方法两类。

基于运动的识别方法又可以分成两种情况：基于背景减除算法和步态识别的方法。基于背景减除的方法，首先检测出场景中的运动目标，然后根据行人在形状、大小、速度等特征来判断是否为行人。基于步态识别的方法，则是通过对行人的步态的分析与行人步态的周期性模式相比较，识别出行人。基于运动的识别方法对背景十分依赖，只能识别出运动的行人。

基于形状识别的方法，主要用于静态图像或动态场景中的行人检测。研究人员采用局部曲线段来表示人的形状，或以分级策略直接对全局形状进行建模，或用全局或局部描述子间接来表示人的形状。基于形状识别的方法大都需要收集样本，对训练样本提取特征。通过SVM、Adaboost或其他分类器来训练分类器，在检测时提取同样的特征，用学习之后得到的分类器进行分类。该类方法需要足够多的样本进行学习，用于检测时也需要对整幅图像进行处理，因此计算复杂，实时性差，当场景复杂时，会导致较大的误差。

发明内容

本发明提出了一种融合运动特征和目标模型统计特征的静态目标检测方法。采用行列错位相减图像的帧差来提取目标运动特征，采用基于目标模型和候选区域的统计特征匹配来检测目标，并根据目标运动特征和模板与候选区域的相似性度量动态更新模板。为了提高检测的实时性，本发明还采用积分图进行优化特征提取。

一种静态目标检测方法，该方法包括：

步骤(1)：由初始化单元对输入视频初始化；

步骤(2)：由特征提取单元提取目标的运动特征；

步骤(3)：由特征提取单元提取目标的统计特征；

步骤(4)：由检测单元使用变步长的模板匹配方法对目标检测；

步骤(5)：由检测单元使用融合运动特征和目标模型统计特征的静态目标检测方法对目标进行检测。

进一步，该方法还包括，步骤(2)中，采用基于错位相减图像的帧差图像来提取运动特征。

进一步，该方法还包括，步骤(3)中，采用积分图优化目标的统计特征进行提取。

进一步，该方法还包括，步骤(4)中，所述变步长的模板匹配方法为根据当前的模板和候选区域的模板之间的距离来调整搜索步长，如果距离较大，则增大搜索的步长；否则，减小搜索的步长。

进一步，该方法还包括，步骤(5)中检测单元使用静态目标检测方法进行检测中，采用模板更新策略判断目标是否进行显著运动。

进一步，该方法还包括，步骤(5)中检测单元使用静态目标检测方法进行检测中，当目标相对静止或存在微小运动时，如果模板与当前帧的候选区域之间距离的最小值小于给定的阈值，则目标还处于场景中；否则，更新模板，进行下两帧的比对。

判断目标是否离开的检测方法，该方法包括：

步骤(1)：由初始化单元对输入视频初始化；

步骤(2)：由特征提取单元将前后两帧图像错位相减后进行求帧差运算，根据得到的帧差图像来提取运动特征；

步骤(3)：根据提取到的运动特征判断是否发生了显著运动，如果发生了显著运动，则转到步骤(4)，否则，转到步骤(7)；

步骤(4)：判断目标是否离开岗位，如果目标离开岗位时，则转到步骤(5)，否则，转到步骤(6)；

步骤(5)：如果目标满足返岗的条件，则消除报警提示，转到步骤(6)；否则，转到步骤(2)；

步骤(6)，更新目标模板，转到步骤(2)；

步骤(7)，判断目标是否离开场景的检测区域，如果离开，转到步骤(2)；否则，转到步骤(8)；