[发明专利]一种单帧图像中的人体检测方法

说明书

技术领域

本发明以人体检测为技术背景，是为了检测单帧图像中的人体而提出的。本发明中的Multi-Block特征不但可以用于人体检测，还可用于其它目标检测。

背景技术

人体检测技术在驾驶员辅助系统、人体运动捕捉、色情图片过滤以及虚拟视频等领域有重要的应用价值。人体形状的变化比较复杂，而且人体可能穿着各种颜色和各种风格的衣服，因此检测静态图像中的人体是一个非常困难的任务。要想检测图像中的人体目标，首先需要选择一种用于描述人体目标的特征，目前用于人体检测的特征主要有Haar-like特征和HOG特征，HOG特征是梯度方向直方图特征，表示的是边缘，因此可以描述局部的形状信息。但该特征用于人体检测时检测速度慢，存在大量的浮点运算，满足不了系统实时性的要求；而Haar-like特征是一种矩形特征，一开始是用于人脸检测，该特征能够描述一些简单的图像结构，可以用于人脸这种结构比较明显的目标。人体目标是非刚性的，因此，Haar-like特征用于人体检测比较粗略。虽然该特征具有检测速度快的优点，但用于人体检测虚警率较高。

由于上述问题的存在，需要研究一种新的用于人体检测的方法，该方法中使用的特征不但能够保持Haar-like特征检测速度快的优点，而且能够描述比较复杂的图形结构，降低检测的虚警率，提高系统稳定性。

深入研究Haar-like特征的优缺点，在此基础上提出了一种新的用于人体检测的特征，称为“Multi-Block特征”。新特征的研究是建立在已有的Haar-like特征积分图像基础上，因此有必要对Haar-like特征和积分图像进行说明。

Haar-like特征是一种类似Haar小波的矩形特征，该矩形特征对一些简单的图形结构，比如边缘、线段，表达能力强，但是其只能描述特定走向(水平、垂直、对角)的结构。图1为几种Haar-like矩形特征模板，包含两种二矩形特征(描述边缘)、两种三矩形特征(描述线段)和一种四矩形特征(描述对角)，每个矩形块大小一致。Haar-like特征的特征值定义为白色区域像素和减黑色区域像素和，为了方便快速地计算Haar-like特征的特征值，引入了“积分图像”的概念。

“积分图像”是Viola等人为了快速特征估计而提出的一种新的图像表示方法。为了在多尺度上快速计算这些特征，由此便引进了积分图像来对图像表示。而这个积分图像可以通过对图像中的每个像素的一系列的操作来生成。一旦计算出来，任何一个Haar-like特征的特征值都可以在任何尺度、任意位置上在一个常量的时间复杂度上计算出来。现在矩形特征的值可以通过积分图像表达方法得以快速的计算出来。这个积分图像在(x，y)处的值为原图像左上方所有像素值的和。

ii(x,y)=Σx′≤x,y′≤yi(x′,y′)---(1)]]>

式中：ii(x，y)为此点的积分图像值，i(x′，y′)为原始图像中此点像素的灰度值。

可以利用下面这对递推公式来完成上面的计算：

s(x，y)＝s(x，y-1)                        (2)

ii(x，y)＝ii(x-1，y)+s(x，y)              (3)

式中：s(x，y)为行累加和。

积分图像的使用使得计算图像中任何一个矩形区域的像素和非常快速，只要三次加减法就能完成。

发明内容