[发明专利]一种自对向图像中识别人体目标的方法

说明书

本发明提供了一种自对向图像中识别人体目标的方法，获取监控区域的视频流图像作为输入图像；将监控区域规划出多个面积相等的子区域；采用视频采集设备对标准人体模型在子区域中以设定间距进行采样，以获得若干标准人体模型图像并将其与背景进行密度差分运算，获取并存储表征标准人体模型轮廓的法向量组，作为标准参考数据；对输入图像与背景进行密度差分运算，获取表征输入图像中的目标轮廓的法向量组，结合标准参考数据确定输入图像中的目标轮廓的法向量组中的响应点，对响应点构成的聚集程度判断目标轮廓是否为行人轮廓。本发明所示出的方法显著提高了对行人目标的识别效率。

技术领域

本发明涉及视频检测技术领域，尤其涉及一种自对向图像中识别人体目标的方法。

背景技术

随着电子科学技术的发展，基于图像或视频的人体检测技术已逐渐取代了传统的红外、雷达等人体检测方式。并且，基于图像或视频的人体检测技术具备更高的可靠性。另外赖于其低成本特性，使得其越来越受到广泛关注。

傅里叶变换是对二维灰度图像的一种纹理分析方法。傅里叶变换在图像处理中通常用于对图像纹理进行分析。图像被分割为正方形的网格化区域，并基于相位对正方形的网格化区域对二维灰度图像进行晶格及缺陷等方面的检测与分析。

由于傅里叶变换通常在正方形的网格化区域中进行，故需要计算对象图像的轮廓部分的法线方向。由于，输入图像被分割成若干正方形的网格化区域，因此可能无法精确的获得对象图像的法线矢量，从而导致无法对输入图像中所包含的行人进行有效检测与提取；同时，传统的傅里叶变换也存在计算开销较大的缺陷。

在现有技术中，输入图像往往通过位于监控区域上方的图像输入设备(摄像机或者照相机)垂直拍摄得到。在图像处理时，识别不同大小的移动物体的图像，可利用差分图像与当前图像之间相位差，通过对差分图像中的一组水平密度差值来对输入图像中所包含的行人区域进行预估与检测。这种检测方法不可避免的存在由于输入图像中的所包含的行人区域的大小存在差别，而导致无法区分一个较大的区域中包含了一个成年人还是包含了两个小孩，因此对监控区域中的行人进行检测和/或计数时存在非常大的计算误差。

同时，如果图像输入设备安装时并非垂直对着监控区域或者由于镜头的原因，导致输入图像中的局部图像的位置、数量、像素差等外界干扰时，进一步导致对监控区域中的行人进行检测和/或计数时存在计算误差。

有鉴于此，有必要对现有技术中的输入图像中包含行人的区域的进行行人检测的检测方法予以改进，以解决上述问题。

发明内容

本发明的目的在于公开一种自对向图像中识别人体目标的方法，用以实现人体目标轮廓的各种特征在背景图像中的密度差，从而高效的从背景图像中提取行人目标，克服图像输入装置由于外界干扰或者镜头本身的缺陷所导致的对复杂环境中无法有效识别行人目标的缺陷，提高行人目标的识别率。

为实现上述发明目的，本发明提供了一种自对向图像中识别人体目标的方法，包括以下步骤：

步骤1、获取监控区域的视频流图像作为输入图像；

步骤2、将监控区域规划出多个面积相等的子区域；

步骤3、采用视频采集设备对标准人体模型在子区域中以设定间距进行采样，以获得若干标准人体模型图像；

步骤4、对标准人体模型图像与背景进行密度差分运算，获取并存储表征标准人体模型轮廓的法向量组，作为标准参考数据；

步骤5、对步骤1获取的输入图像与背景进行密度差分运算，获取表征输入图像中的目标轮廓的法向量组，结合标准参考数据确定输入图像中的目标轮廓的法向量组中的响应点；

步骤6、将由多个响应点构成的聚集区中落入目标轮廓中的响应点比例判断输入图像中的目标轮廓是否为行人轮廓，以识别人体目标。