[发明专利]头部检测方法和设备,头部检测及类别判断方法和装置

说明书

技术领域

本发明总体上涉及模式识别及计算机视觉技术领域，并且特别涉及一种用于从图像和视频等中检测出其中所包括的头部(以及根据需要进一步对头部检测结果进行分类)的方法、设备和/或系统。

背景技术

在现有的各种视频监控系统和/或方法中，主要以检测运动的对象为目标。然而，这种系统和/或方法存在两个明显的缺陷。一个缺陷在于，它只适用于对运动对象的检测。当视频中出现处于静止状态的人，或者视频中的人在一段时间内一直处于静止状态时，将无法确保正确地检测到监控目标。另一个缺陷在于，要应对人的身体形变问题。人类的身体是一个典型的非刚性体，因此，人体检测不可避免地要面对由于姿势、朝向、动作等变化而造成的形变问题，这无疑会增加监控的困难程度，从而降低了监控系统和/或方法的可靠性。相对于人的身体而言，头部具有比较稳定的特征，不易发生形变。因此，为了提高人体检测的可靠性，头部检测越来越多地引起了研究人员的关注，并以此来辅助或代替人体检测。

目前，头部检测的方法一般来说可以分为两大类。第一类是基于模板匹配的方法，例如，可以参见A.Broggi、M.Bertozzi、A.Fascioli和M.Sechi所著的“Shape-based Pedestrian Detection”(参见Proceedings of the IEEE Intelligent Vehicles Symposium 2000，第215～220页，2000年10月)，以及Xinyu Xu和Baoxin Li所著的“Head Tracking Using Particle Filter with Intensity Gradient and Color Histogram”(参见IEEEInternational Conference on Multimedia and Expo 2005(ICME 2005)，第888～891页，2005年)等。在这类基于模板匹配的方法中，首先定义一个头部匹配模板(例如椭圆形模板、圆环模板等)，然后利用该模板在待检测图像中进行各种不同尺度的扫描，寻找其中与模板的匹配程度比较高的区域作为头部区域。该类方法具有算法简单、计算速度快等优点，但是这类方法只适用于简单背景下的规则头部的检测，例如适合于室内场景的监控等，而对于复杂背景下的不规则头部得检测，该类方法存在稳定性差、漏检率高等缺点。

近年来被应用得日益广泛的另一类头部检测的方法是基于统计学习的方法，例如，可以参见C.Papageorgiou和T.Poggio所著的“A Trainable System for Object Detection”(参见International Journal of Computer Vision，2000年第38卷第15-33页)，以及Yi Sun、Yan Wang和Yinghao He所著的“Head-and-Shoulder Detection in Varying Pose”(参见International Conference on Natural Computation，2005年，第12～20页)等。该类方法可分为学习阶段和检测阶段。在学习阶段中，对包含头部图像的各种正样本以及不包含头部图像的各种负样本进行特征提取，以提取出能够区别头部图像和非头部图像的各种有用的特征向量，然后利用机器学习算法通过对这些样本的特征学习得到用于分类头部图像和非头部图像的分类器。在检测阶段，首先提取出待检测图像的特征向量，然后利用训练好的分类器判断其是否是头部图像。这类方法具有较好的可靠性，对于复杂背景下的不规则头部也具有很好的检测能力，但是对于类似头部形状的物体，该类方法常常会造成误检。因此，对于复杂环境下的头部检测，该类方法的误检率往往会比较高。

在视频监控分析等的模式识别应用中如何在确保低漏检率的同时尽可能地降低误检率并尽可能地提高检测速度，仍然是目前急待解决的问题之一。

发明内容

在下文中给出了关于本发明的简要概述，以便提供关于本发明的某些方面的基本理解。应当理解，这个概述并不是关于本发明的穷举性概述。它并不是意图确定本发明的关键或重要部分，也不是意图限定本发明的范围。其目的仅仅是以简化的形式给出某些概念，以此作为稍后论述的更详细描述的前序。

为了解决现有技术的上述问题，本发明的一个目的是提供一种用于从输入的原始图像中检测出原始图像中所包含的头部图像的头部检测方法和/或设备，其可以在保证低漏检率的同时提高头部检测的准确度。