[发明专利]一种融合时域信息和空域信息的行人检测方法

说明书

技术领域

本发明涉及一种检测方法，属于图像处理技术领域，具体涉及的是一种融合时域信息和空域信息的行人检测方法。

背景技术

近年来，行人检测越来越受到人们的关注，例如，在公安视频监控系统中，对场景中出现的可疑人物进行预警，从而预防犯罪和群体性事件的发生，保障人民群众的生命和财产安全；再例如，在超市、购物中心等商业活动场所，通过对出现在监控视频中的行人进行检测跟踪，能够实现客流量统计、人群密度分析，客流分布密度等功能；再例如，在大型展会及旅游景点等重点监控区域，通过对行人检测分析，可以实现人群聚集程度的检测和分析，从而及早预防群体性踩踏事件的发生。

然而，现有的行人检测方式，大多停留在视频录像、存储、查询检索和分析等阶段，对于行人的运动检测存在着预判不足的缺陷，因此，这也令相关的监控人员难以针对特定场景及时做出有效的预防措施。

发明内容

本发明的目的在于提供一种融合时域信息和空域信息的行人检测方法，主要解决现有的行人检测方式存在对特定场景预警能力不足的问题。

为了实现上述目的，本发明采用的技术方案如下：

一种融合时域信息和空域信息的行人检测方法，包括以下步骤：

(1)于特定场景中实时采集监控视频图像；

(2)根据采集的图像，采用混合高斯模型进行背景建模，检测场景中的运动前景；

(3)根据检测到的运动前景，采用滑动窗口策略分别提取空间域HOG特征、时间域HOG特征、空间域LBP特征和时间域LBP特征；

(4)根据步骤(3)提取到的特征，利用随机森林分类器对上述特征进行分类判别，判断当前滑动窗口所覆盖的区域内是否包含有行人，然后输出结果。

进一步地，所述步骤(3)中，时间域HOG特征采用以下公式求取：

G′_t(x，y)＝|H_t(x，y)-H_t-1(x，y)|

θ=tan-1(||Gt||/Gx2+Gy2)]]>

式中，G′_t(x，y)表示视频中第t帧的像素位置(x，y)的梯度幅值，H_t(x，y)和H_t-1(x，y)分别表示视频中第t帧和第(t-1)帧的像素位置(x，y)的像素值，θ表示视频中第t帧的方向，G_t表示视频中第t帧的梯度值，G_x和G_y分别表示视频中第t帧在水平方向和垂直方向上的梯度值。

再进一步地，所述步骤(3)中，时间域LBP特征的LBP值采用下列公式计算得到：

LBP_t＝f_t(x，y)-f_t-1(x，y)

式中，LBP_t表示视频第t帧的LBP值，f_t(x，y)和f_t-1(x，y)分别表示视频第t帧和第(t-1)帧的像素位置(x，y)处的像素值。

更进一步地，所述步骤(3)中，空间域LBP特征和时间域LBP特征均采用图像的分块LBP直方图表示，其具体过程如下：

(a)将图像划分为N×N的图像子块，并计算每个图像子块中每个像素的LBP值，N为自然数；

(b)对每个子块进行直方图统计，得到N×N个子块的直方图；

(c)将N×N个子块的直方图串联起来，构成空间域LBP特征向量或时间域LBP特征向量，用于描述该图像的纹理特征。

与现有技术相比，本发明具有以下显著效果：