[发明专利]一种人头检测方法及系统

说明书

技术领域

本申请涉及视频监控和图像处理技术领域，具体涉及一种人头检测方法及一种人头检测系统。

背景技术

在智能视频监控领域，对人头的智能检测和统计是一个重要的研究内容。然而，不同姿态的人头的灰度差异较大，例如，从人头正面、侧面、背面、以及顶部拍摄的人头灰度差异会非常大，使得实现人头检测比较困难。因此，如何提取鲁棒的特征是影响人头检测和统计准确率与实时性的重要方面。

发明内容

本申请提供一种人头检测方法及一种人头检测系统，该方法/系统中采用基于方向梯度的LBP特征。

根据本申请的第一方面，本申请提供一种人头检测方法，包括：对输入的待检测图像提取基于方向梯度的局部二值模式特征；根据人头分类器对提取到的局部二值模式特征进行判决，输出判决结果；所述人头分类器的获取包括：通过从包括人头正样本和人头负样本的样本集中提取基于方向梯度的局部二值模式特征；对提取到的样本集的局部二值模式特征进行训练学习，获得人头分类器。

进一步地，所述基于方向梯度的局部二值模式特征的提取包括：梯度图形成步骤，对输入的图像计算梯度，得到包含梯度幅值和梯度方向的梯度图；方向图形成步骤，将所述梯度方向等分为N个区间，N为正整数，根据梯度方向对所述梯度幅值进行插值，得到方向梯度图；累积图形成步骤，将所述方向梯度图分解为N个无方向梯度图，对每个所述无方向梯度图进行累积梯度幅值统计，形成N个累积无方向梯度图；独立符计算步骤，在每个所述累积无方向梯度图上，计算局部二值模式描述符，形成N个独立局部二值模式特征；特征形成步骤，将所述N个独立局部二值模式特征级联，形成基于方向梯度的局部二值模式特征。

优选地，所述梯度图形成步骤中，采用差分算子计算输入的图像中每个像素点的梯度方向和梯度幅值，形成梯度图；所述方向图形成步骤中，所述插值为一维线性插值，所述方向梯度图中的每个像素点存储相邻两个区间及各自被分配的梯度幅值。

优选地，所述累积图形成步骤中，第i个无方向梯度图上像素点的值为该像素点属于的第i个区间的梯度幅值，如果该像素点不属于所述第i个区间，则该像素点的值被赋为0，i为正整数且小于等于N；对于每个所述无方向梯度图，按预定大小的方格单元进行扫描，并将预定大小的方格单元上的梯度幅值之和作为该方格单元的中心像素点的值，从而形成该无方向梯度图的累积无方向梯度图。

优选地，所述预定大小的方格单元上的梯度幅值之和采用公式A+D-B-C计算得到，其中A、B、C和D分别表示所述方格单元的四个顶点的像素的积分值。

优选地，所述独立符计算步骤中，对于每个所述累积无方向梯度图，其独立局部二值模式特征的计算包括：

将所述累积无方向梯度图分块；

计算每个所述分块的局部二值模式描述符；

对所述局部二值模式描述符进行归一化处理；

将所有所述分块的局部二值模式描述符级联，形成独立局部二值模式特征。

根据本申请的第二方面，本申请提供一种人头检测系统，包括：特征提取模块，用于对输入的待检测图像提取基于方向梯度的局部二值模式特征；分类判决模块，用于根据人头分类器对提取到的局部二值模式特征进行判决，输出判决结果，其中，所述人头分类器的获取包括：通过从包括人头正样本和人头负样本的样本集中提取基于方向梯度的局部二值模式特征，对提取到的样本集的局部二值模式特征进行训练学习，获得人头分类器。

进一步地，所述特征提取模块包括：梯度图形成单元，用于采用差分算子计算输入的图像中每个像素点的梯度方向和梯度幅值，形成梯度图；方向图形成单元，用于将所述梯度方向等分为N个区间，N为正整数，根据梯度方向对所述梯度幅值进行一维线性插值，得到方向梯度图，所述方向梯度图中的每个像素点存储相邻两个区间及各自被分配的梯度幅值；累积图形成单元，用于将所述方向梯度图分解为N个无方向梯度图，，其中第i个无方向梯度图上像素点的值为该像素点属于的第i个区间的梯度幅值，如果该像素点不属于所述第i个区间，则该像素点的值被赋为0，i为正整数且小于等于N，对于每个所述无方向梯度图，按预定大小的方格单元进行扫描，并将预定大小的方格单元上的梯度幅值之和作为该方格单元的中心像素点的值，从而形成该无方向梯度图的累积无方向梯度图；独立符计算单元，用于在每个所述累积无方向梯度图上，计算局部二值模式描述符，形成N个独立局部二值模式特征；特征形成单元，用于将所述N个独立局部二值模式特征级联，形成基于方向梯度的局部二值模式特征。