[发明专利]一种基于贝叶斯推断的人员检测结果修正方法

权利要求书

1.一种基于贝叶斯推断的人员检测结果修正方法，其特征在于，所述基于贝叶斯推断的人员检测结果修正方法通过引入贝叶斯分类器来判断检测人员入侵的人员检测分类器的结果是否正确；首先收集一定的由检测分类器得到有人的图片，提取时间、人员位置、人员大小这三个特征，并人工判断检测分类器的判断结果是否正确，为图片打上标签，训练得到贝叶斯修正分类器；然后将检测分类器得到有人的结果输入到修正分类器进行分类，判断检测分类器的结果是否正确；综合检测分类器和修正分类器的分类结果，得出最终判断；

所述基于贝叶斯推断的人员检测结果修正方法具体包括以下步骤：

步骤一，针对场景准备样本集合，包括正样本集合和负样本集合，正样本为单个多姿态多尺度不同衣着的人截图，负样本是相应场景中所包含的各种背景以及经常出现的非人的物品截图；

步骤二，计算所有正样本和负样本中图片的HOG特征，通过SVM算法对图片进行分类，得到检测分类器，并初始化各项参数；

步骤三，截取摄像头视频流的单帧图片，计算图片的HOG特征，并将其输入检测分类器进行运算，得到结果；如果判定没有人，则继续识别下一帧图片；否则，转到步骤四；

步骤四，收集由步骤三检测分类器得出的有人的图片，对收集的图片进行特征提取，时间、人员位置、人员大小这三个特征分别用t、d、s表示，对收集到的图片打标签，人工判断检测分类器得出的有人的结果是否正确；正确，打上标签0；错误，打上标签1；标签类别用C表示，则；检测修正分类器是否完成训练，未完成转到步骤五，否则，转到步骤六；

步骤五，将步骤四收集到的图片作为训练集输入，利用贝叶斯学习算法，计算训练样本中每个类别的概率以及每个类别条件下各个特征属性划分的概率，即计算、和、、、、、，训练得到修正分类器，判断检测分类器的分类结果是否准确；

步骤六，使用修正分类器对检测分类器得出的有人的结果进行修正，为一个待分类项，t、d、s为x的三个特征属性。

2.如权利要求1所述的基于贝叶斯推断的人员检测结果修正方法，其特征在于，所述步骤四中：

使用时间、人员位置、人员大小这三个特征对收集到的图片进行划分；时间特征用t表示，将一天分为24个时间段，则；位置特征用d表示，表示检测分类器识别到人的位置相对于整个场景的位置，将整个图片等分为九个区域，则；入侵人员大小特征用s表示，代表整个图片中入侵人员所占比例，即截取的入侵人员面积/整个图片面积，，将连续的区间划分为5个区间，则。

3.一种运行权利要求1所述基于贝叶斯推断的人员检测结果修正方法的基于贝叶斯推断的人员检测结果修正系统，其特征在于，所述基于贝叶斯推断的人员检测结果修正系统包括：

训练模块：计算样本集的HOG特征，通过SVM方法训练得到人员检测分类器；

识别模块：通过人员检测分类器对图片进行分类判断，判断是否有人员侵入；

修正模块：基于贝叶斯定理，根据条件概率理论和全概率理论，修正检测分类器的分类结果。

4.一种应用权利要求1~2任意一项所述基于贝叶斯推断的人员检测结果修正方法的视频监控系统。