[发明专利]一种基于图像处理的行人姿态检测方法

权利要求书

1.一种基于图像处理的行人姿态检测方法，该方法包括：

步骤一：建立行人姿态模板库，

步骤A1：采用单目摄像机拍摄背景固定的行人视频；

步骤A2：将视频的每一帧进行高斯平滑，再计算其帧间和帧内差值；

步骤A3：根据帧间和帧内差值，计算出样本轮廓矩阵：

其中：F(x,y)为样本轮廓矩阵，Finter是帧间差值，Fintra是帧内差值T_Inter和T_Intra为两个预先设定的阈值；

步骤A4：使用K-MEANS聚类算法对样本轮廓矩阵进行分类，得到各中心轮廓矩阵；

步骤A5：将各中心轮廓矩阵分为若干水平条状区域，计算各区域中行人轮廓与该区域水平中线的夹角，组成角度特征向量，连同中心轮廓矩阵一起导入匹配模板并定义其姿态，由此组成行人姿态模板库；

步骤二：提取行人实际轮廓，

步骤B1：采用单目摄像机拍摄背景固定的行人视频，并对视频的每一帧进行高斯平滑，再计算其帧间和帧内差值；

步骤B2：通过帧间和帧内差值计算出行人实际轮廓矩阵，根据像素统计轮廓大小，当像素点数值小于设定最小阈值时进入步骤B3，否则保存该行人实际轮廓矩阵；

步骤B3：采用标准的双线性插值法向上取样，生成新轮廓矩阵，返回步骤B2；

步骤三：模板匹配

步骤C1：将行人实际轮廓矩阵分为若干水平条状区域，计算各区域中行人轮廓与该区域水平中线的夹角，组成角度特征向量；

步骤C2：计算行人实际轮廓矩阵与模板库中各中心轮廓矩阵的欧几里得距离，通过比较选出最小的距离所对应的中心轮廓矩阵；

步骤C3：输出该中心轮廓矩阵对应的姿态定义。

2.如权利要求1所述的一种基于图像处理的行人姿态检测方法，其特征在于步骤A2包括如下步骤：

A21：对各帧进行高斯平滑；

A22：根据公式计算帧间差值：

F_Intra(x,y,σ)=((L_t(x-1),y,σ)-L_t(x,y,σ))²+(L_t(x,y,σ)-L_t(x,y-1,σ))²)^1/2，

L_t(x,y,σ)=G(x,y,σ)*I_t(x,y)。

其中I_t(x,y)为像素(x,y)的亮度，G(x,y,σ)为高斯函数，σ为平滑因子，L_t为平滑过程的中间变量；

A23：根据公式计算帧内差值：F_{Inter(x,y,σ)}=|L_t(x,y,σ)-L_t-n(x,y,σ)|。

3.如权利要求1所述的一种基于图像处理的行人姿态检测方法，其特征在于步骤A4包括如下步骤：

步骤A41：从所有样本轮廓矩阵中，随机选取若干矩阵作为中心轮廓矩阵；

步骤A42：分别计算剩余样本轮廓矩阵与各中心轮廓矩阵的距离，并将其与之距离最近的中心轮廓矩阵归为一类；

步骤A43：重新确定每个分类中的中心轮廓矩阵；

步骤A44：重复步骤A42、A43直至新确定的中心轮廓矩阵与原中心轮廓矩阵相等或变化小于规定阈值。

4.如权利要求1所述的一种基于图像处理的行人姿态检测方法，其特征在于步骤A5将各中心轮廓矩阵分为64个水平条状区域，计算各区域中行人轮廓与该区域水平中线的夹角，组成64维的角度特征向量(An₀，An₁…An₆₃)。