[发明专利]一种智能视频监控的行人检测方法和装置有效

专利信息
申请号: 201611213538.6 申请日: 2016-12-23
公开(公告)号: CN107066921B 公开(公告)日: 2017-12-29
发明(设计)人: 韩国吉;孙凯;贺振中 申请(专利权)人: 深圳市大唐盛世智能科技有限公司
主分类号: G06K9/00 分类号: G06K9/00;G06K9/32;G06K9/62
代理公司: 深圳中一专利商标事务所44237 代理人: 彭海民
地址: 518000 广东省深圳*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 智能 视频 监控 行人 检测 方法 装置
【权利要求书】:

1.一种智能视频监控的行人检测方法,其特征在于,所述方法包括:

通过对视频流的样本数据进行支持向量机SVM训练,得到基于SVM的分类器;

对实时采集的视频帧序列进行图像变换,得到变换后的图像,所述视频帧序列为智能视频监控的摄像头所采集视频流的离散图像帧,所述所采集视频流包含行人和除行人之外的其他对象;

使用所述基于SVM的分类器遍历所述变换后的图像以获取行人感兴趣区域ROI,所述通过对视频流的样本数据进行支持向量机SVM训练,得到基于SVM的分类器,包括:

对所述样本数据包含的图像进行LUV变换,得到LUV图像;

对所述样本数据包含的图像进行完整局部二值模式CLBP编码以得到CLBP图像,并计算所述CLBP图像的方向梯度和所述方向梯度的大小;

对所述LUV图像和CLBP图像使用SVM进行多次训练,得到多个不同尺寸模板的基于SVM的分类器。

2.如权利要求1所述的方法,其特征在于,所述对所述LUV图像和CLBP图像使用SVM进行多次训练,得到多个不同尺寸模板的基于SVM的分类器,包括:

对所述LUV图像和CLBP图像使用线性SVM进行多次训练,得到多个不同尺寸模板的基于线性SVM的分类器。

3.如权利要求1所述的方法,其特征在于,所述对实时采集的视频帧序列进行图像变换,得到变换后的图像,包括:

对所述实时采集的视频帧序列进行LUV变换,得到LUV图像;

对所述实时采集的视频帧序列进行完整局部二值模式CLBP编码以得到CLBP图像,并计算所述CLBP图像的方向梯度和所述方向梯度的大小。

4.如权利要求1至3任意一项所述的方法,其特征在于,所述使用所述基于SVM的分类器遍历所述变换后的图像以获取行人感兴趣区域ROI之后,所述方法还包括:

消除所述行人ROI的重叠区域。

5.一种智能视频监控的行人检测装置,其特征在于,所述装置包括:

分类器获取模块,用于通过对视频流的样本数据进行支持向量机SVM训练,得到基于SVM的分类器;

变换模块,用于对实时采集的视频帧序列进行图像变换,得到变换后的图像,所述视频帧序列为智能视频监控的摄像头所采集视频流的离散图像帧,所述所采集视频流包含行人和除行人之外的其他对象;

分类模块,用于使用所述基于SVM的分类器遍历所述变换后的图像以获取行人感兴趣区域ROI,

所述分类器获取模块包括:

第一变换单元,用于对所述样本数据包含的图像进行LUV变换,得到LUV图像;

第二变换单元,用于对所述样本数据包含的图像进行完整局部二值模式CLBP编码以得到CLBP图像,并计算所述CLBP图像的方向梯度和所述方向梯度的大小;

训练单元,用于对所述LUV图像和CLBP图像使用SVM进行多次训练,得到多个不同尺寸模板的基于SVM的分类器。

6.如权利要求5所述的装置,其特征在于,所述训练单元包括:

线性SVM训练单元,用于对所述LUV图像和CLBP图像使用线性SVM进行多次训练,得到多个不同尺寸模板的基于线性SVM的分类器。

7.如权利要求5所述的装置,其特征在于,所述变换模块包括:

第三变换单元,用于对所述实时采集的视频帧序列进行LUV变换,得到LUV图像;

第四变换单元,用于对所述实时采集的视频帧序列进行完整局部二值模式CLBP编码以得到CLBP图像,并计算所述CLBP图像的方向梯度和所述方向梯度的大小。

8.如权利要求5至7任意一项所述的装置,其特征在于,所述装置还包括:

消除模块,用于所述分类模块使用所述基于SVM的分类器遍历所述变换后的图像以获取行人感兴趣区域ROI之后,消除所述行人ROI的重叠区域。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于深圳市大唐盛世智能科技有限公司,未经深圳市大唐盛世智能科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201611213538.6/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top