[发明专利]基于局部主方向与能量分析策略的图像中行人头肩检测方法及系统

说明书

技术领域

本发明涉及的是一种图像处理领域的技术，具体是一种基于局部主方向与能量分析策略的图像中行人头肩检测方法及系统。

背景技术

行人检测是计算机视觉领域里的一个重要的基础研究，其含义为使用图像处理、机器学习以及有效的优化算法在图像以及视频信息中找到其中行人的准确位置。行人检测在视频监控，人群异常行为分析以及行人追踪等实用领域发挥着重要的作用。

行人检测的技术其实主要概括为以下两个步骤：首先是对图像或者视频提取有效的特征信息；然后是根据相应的特征信息使用机器学习里面适合的算法对特征信息进行判别并进行一定的优化和标注得到最终的结果。

2005年，法国研究人员Dalal等人在《IEEE Conference on Computer Vision and Pattern Recognition》(IEEE计算机视觉和模式识别会议)发表了一篇名为“Histogram of Oriented Gradients for Human Detection”(用于行人检测的梯度直方图)的论文中提出一种名为HoG(梯度直方图)的特征并结合SVM(支持向量机)的办法进行行人检测，检测有效性得到较大的提升。基于此算法，研究人员同时提出了许多相应的改进算法来进一步提升检测结果。之后，在2010年，Jianxin Wu等人在《IEEE transactions on Pattern Analysis and Machine Intelligence》(IEEE 模式分析和机器智能期刊)上发表的“CENTRIST:A Visual Descriptors for SceneCategorization”(CENTRIST:场景分类的一个视觉描述子)中提出了一个名为CENTRIST的特征结合SVM的办法进行行人检测，实现了较HoG更加良好的结果。然而，在大多数场景中，由于行人的整体轮廓会由于身体的形变例如行人旁装，坐下以及弯腰等动作而发生较大的变化，因此具有一定的局限性，从而使得鲁棒性不强。

与行人检测算法通常检测整个人不同的是，行人头肩检测侧重于行人的头肩部分的检测，因为人的头肩相对于整个人体具有更加明显的“欧米茄”样子的特殊形状，而且此特殊形状在现实生活中并不是随处可见，因此对人的头肩部分做检测要相对由于对整个行人做检测。2010年，Chengbin Zeng等人在《International Conference on Pattern Recognition》(模式识别国际会议)上发表了一篇“Robust Head‐Shoulder Detection by PCA‐Based Multilevel HOG‐LBP Detector for People Counting”(用于人数统计的基于主成份分析的多尺度梯度直方图和局部二指模式的鲁棒性头肩检测器)中对于人的头肩模型提出来多尺度梯度直方图和局部二值模式特征进行行人检测。然而，现在多数存在的头肩检测算法都只是简单利用了相同的HoG(梯度直方图)特征。但是实验结果表明，HoG(梯度直方图)特征在物体纹理比较复杂容易产生误检，而且HoG(梯度直方图)特征是对整个滑动窗内的梯度进行统计，在头肩区域的局部小范围但是相对十分明显的“欧米茄”样子并没有有效提取，因此并不能完全表现行人头肩的全部细节特征。

在现阶段，比较好的行人检测算法有上述提到的Jianxin Wu发表的关于使用Centrist特征的行人检测算法和Chengbin Zeng发表的使用HoG‐LBP特征的头肩检测算法，但是这些算法无法解决的是对于类似于头肩形状的无法判断、拥挤场景下无法有效发挥作用以及背景复杂的情况会产生误判等问题，难以满足现有工业需要。

发明内容

本发明针对现有技术存在的上述不足，提出一种基于局部主方向与能量分析策略的图像中行人头肩检测方法及系统，从人头肩区域所特有的“欧米茄”形状及其此形状不易形变的特点出发，紧密结合这些特点，能够在行人较为拥挤的场合下相对于其他检测具有较好的效果。

本发明是通过以下技术方案实现的：