[发明专利]一种用于人体重现检测的人体表观模型的学习方法及系统

权利要求书

1.一种用于人体重现检测的人体表观模型的学习方法，其特征在于，包括如下步骤：

步骤1，在视频帧的检测窗口中提取人体表观特征，建立人体表观描述子；

步骤2，基于时空约束信息提取正例和反例人体表观描述子，用于训练人体表观模型。

2.如权利要求1所述的用于人体重现检测的人体表观模型的学习方法，其特征在于，步骤2中还包括：

以同时在线的人体的人体表观模型的更新和/或以在线和离线人体的人体表观模型的更新。

3.如权利要求1所述的用于人体重现检测的人体表观模型的学习方法，其特征在于，所述步骤2时空约束信息还包括：

步骤31，以所述检测窗口内的人体表观特征作为正例；

步骤32，从所述检测窗口之外位置的窗口中提取人体表观特征作为反例，训练人体表观模型。

4.如权利要求2所述的用于人体重现检测的人体表观模型的学习方法，其特征在于，所述同时在线的人体表观模型的更新，还包括：

步骤41，同时出现在视频帧中的人体表观特征，互为其对应的人体表观模型的反例训练数据；

所述的在线和离线的人体表观模型的更新，还包括：

步骤42，当前活跃人体表观模型对应的人体表观特征作为用于更新非活跃人体表观模型的反例训练数据。

5.如权利要求1所述的用于人体重现检测的人体表观模型的学习方法，其特征在于，所述步骤1还包括：

步骤51，增加人体属性信息作为人体表观特征的一部分；

步骤52，将通过视频帧识别的人体属性信息与人体的形状、颜色特征连接生成完整的人体表观特征。

6.如权利要求1所述的用于人体重现检测的人体表观模型的学习方法，其特征在于，所述步骤1还包括：

步骤61，对于人体属性信息的提取采用自举学习分类器算法，使用梯度直方图和颜色直方图作为人体属性特征；

步骤62，对于某个属性，当人体属性特征被自举分类器分为正例时，该人体属性维度值置为‘1’，否则，置为‘0’。

7.一种用于人体重现检测的人体表观模型的学习系统，其特征在于，包括：

特征提取模块，用于在视频帧的检测窗口中提取人体表观特征，建立人体表观描述子；

模型学习模块，用于基于时空约束信息提取正例和反例人体表观描述子，用于训练人体表观模型。

8.如权利要求7所述的用于人体重现检测的人体表观模型的学习系统，其特征在于，模型学习模块中还包括：

以同时在线的人体的人体表观模型的更新和/或以在线和离线人体的人体表观模型的更新。

9.如权利要求7所述的用于人体重现检测的人体表观模型的学习系统，其特征在于，所述模型学习模块还包括：

正例模块，用于以所述提取的人体表观特征作为正例；

反例模块，用于从所述检测窗口之外位置的窗口中提取人体表观特征作为反例，训练人体表观模型。

10.如权利要求8所述的用于人体重现检测的人体表观模型的学习系统，其特征在于，所述同时在线的人体表观模型的更新，还包括：

同时出现在视频帧中的人体表观特征，互为其对应的人体表观模型的反例训练数据；

所述的在线与离线的人体表观模型的更新，还包括：

当前活跃人体表观模型对应的人体表观特征作为用于更新非活跃人体表观模型的反例训练数据。

11.如权利要求7所述的用于人体重现检测的人体表观模型的学习系统，其特征在于，所述模型学习模块还包括：

增加信息模块，用于增加人体属性信息作为人体表观特征的一部分；

生成特征模块，用于将通过视频帧识别的人体属性信息与人体的形状、颜色特征连接生成完整的人体表观特征。

12.如权利要求7所述的用于人体重现检测的人体表观模型的学习系统，其特征在于，所述模型学习模块还包括：

信息提取模块，用于对于人体属性信息的提取采用自举学习分类器算法，使用梯度直方图和颜色直方图作为人体属性特征；

属性计算模块，用于当被匹配人体表观特征和匹配人体表观特征的该人体属性标签一致时，该人体属性维度值置为‘1’，否则，置为‘0’。