[发明专利]一种跨平台的对视频中行人检测并保存检测结果的方法

说明书

技术领域

本发明涉及计算机视觉领域，具体涉及基于OpenCV图像库和Qt框架中的QImage图像类的对于视频处理、图像中指定检测和分割以及结果的可视化显示。

背景技术

随着科技的进步，监控摄像头已经遍布大街小巷，形成了一个巨大的监控网络，这些摄像头拍摄的监控视频可为公安部门提供侦破诸如商场盗窃、聚众斗殴等重大刑事案件的线索；同时也可为交通协管部门提供实时交通路况信息，方便其对交通进行监管。每当有情况发生时，目标对象一定会在移动过程中在各个摄像头下出现，有关部门需要在数量巨大的视频文件中找到所需的目标对象。很多时候，查看监控录像的目的就是从其中发现目标对象。目前，监控系统大多采用实时摄像加人工监控的方式进行监看，负责查看录像屏幕的人员必须长时间留意视频中事件场景的变化，这对工作人员来说是很大的挑战。研究表明，人在2小时的长时间注意力高度集中后大脑会疲劳，工作效率会降低。如果一些重要的信息被有关人员所遗漏忽略，将会严重影响了整个监控系统的作用。所以，行人再识别的研究应运而生。

行人再识别是从没有任何重区域的不同摄像头的视频中识别出同一个人，可以用于刑侦、寻找失踪人员等工作。在一定时间内，一个行走的行人可能会经过相邻的若干个摄像头，如何识别出在不同摄像头下出现的同一个人，并绘制出该目标走过的路径，是行人再识别所研究的重点。目前行人再识别的输入源是图像中的行人。

传统的行人检测的方法只是在图片或者视频中标出行人，这样的处理方式对于行人再识别系统来说没有很大的帮助，在进行再识别的过程中还需要消耗大量的计算资源，不利于工作效率的提高。

发明内容

本发明的目的在于提高行人再识别系统的工作效率，在传统的OpenCV库上实现创新，提出了一种检测视频中的行人，并且保存检测出的行人图片的一种方法。此方法不仅可以实现可视地观察检测的效果，而且可以把截取的图片输入到行人再识别的程序中，大幅度减少计算资源，并且显著提高行人再识别程序的工作效率。实验结果表明，对于同一个行人再识别程序，输入一组完整的图片需要19.18秒才能完成检测过程，而输入经过该发明截取之后的图片只需要5.62秒即可完成检测，并且再识别的结果也相同。同时，该发明也可以根据需要的精度以及计算机的性能，自行选择分类器，方便不同用户的使用。

本发明采用的技术方案如下：一种跨平台的对视频中行人检测并保存检测结果的方法，包括加载待检测视频，对视频中的行人进行检测、对检测结果进行保存和可视化界面；具体的步骤如下：

1)使用OpenCV库中的函数加载视频，并且自动触发检测分类器的检测函数；

在检测分类器的使用上，使用Hog特征或者Haar特征的分类器，该分类器能够自行训练，或者采用已有的分类器，降低使用难度；在加载视频方面，运用OpenCV的视频加载函数，该函数将逐帧播放视频；

2)使用detectMultiScale开始检测过程；

首先把视频中的彩色图像使用OpenCV库中的cvtColor函数转化为灰阶图像，再使用equalizeHist函数进行直方图均衡化；

在核心内容检测、截取和保存方面，运用OpenCV中的detectMultiScale检测方法进行多尺度检测，提高检测的准确率；

运用rectangle函数在检测的视频中框出行人；rectangle函数在设置中，需要框出坐标为detectMultiScale中得到的具有目标对象的矩形坐标；同理，OpenCV中的cvSetImageROI函数和cvSaveImage函数针对的也是detectMultiScale中获得的坐标；

3)使用cvSetImageROI函数，通过检测过程中detectMultiScale级联分类器确定的坐标，截取出目标图像；

运用OpenCV中的cvSetImageROI函数，通过步骤2)中的detectMultiScale确定的坐标，把在检测过程中用矩形框出的部分截图，用cvSaveImage函数把截图保存在指定文件夹中；如果需要，用户可以到指定的文件夹中去提取所截取的图片；

4)使用编写的Mat2QImage函数，把OpenCV库中的Mat图像类型转化为Qt框架中的QImage类型，把检测的过程和截取的结果都显示在该发明的可视化界面上。