[发明专利]一种基于贝叶斯推断的人员检测结果修正方法

说明书

本发明属于图像分析技术领域，公开了一种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人员检测分类器是否分类正确；收集一定的由检测分类器得到的有人的图片，人工标签分类为检测分类器分类正确和分类错误，提取时间、位置、大小这三个特征，计算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，训练得到贝叶斯修正分类器；将检测分类器得到有人的图片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。本发明不对原有算法进行修改，而是在其基础上添加基于贝叶斯推断的修正模块。本发明通过引入贝叶斯分类器来判断检测分类器分类的结果是否正确，从而优化识别结果，显著地降低了原分类器误报率。

技术领域

本发明属于图像分析技术领域，尤其涉及一种基于贝叶斯推断的人员检测结果修正方法。

背景技术

人员检测是基于图像数据进行目标检测的一个重要应用，它在视频监控、智能交通、高级人机接口等多个领域具有广泛的应用前景。由于行人所处环境的复杂性，使得高可靠性的人员检测仍然面临诸多挑战。因此进行人员检测相关问题的研究具有重要的理论意义。行人检测本质上是一个分类问题，目前人员检测主要采用外观特征和统计学习相结合的思路训练行人检测器，其中以HOG(梯度方向直方图Histogram of Oriented Gradient)特征+SVM(支持向量机，Support Vector Machine)的方式最为流行。提取大量图片的HOG特征，通过SVM进行训练，得到人员检测的分类器，然后使用检测分类器对图片进行识别，判断其中是否有人出现。但是,将行人作为正样本训练分类器存在以下难点:1)行人的姿态、服装色彩各不相同,在特征空间中的模式不紧凑；2)分类器的性能直接受训练样本的影响,而真实场景纷繁复杂,离线训练时有限的负样本无法涵盖所有场景。所以现有技术在处理不同姿势、背景变换、光照强弱变化等方面显得不够灵活，使得检测结果会受到很大影响，误报率可观。

综上所述，现有技术存在的问题是：由于人体的身材和衣着上的差异性，人体的动作的多样性，背景的复杂性，以及光照强弱带来的变化，使得检测结果会受到很大影响，导致目前的人员检测方法存在误报率可观的问题。

发明内容

针对现有技术存在的问题，本发明提供了一种基于贝叶斯推断的人员检测结果修正方法。

本发明是这样实现的，一种基于贝叶斯推断的人员检测结果修正方法，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分类器分类的结果是否正确；收集一定的由检测分类器得到的有人的图片，人工标签分类为检测分类器分类正确和分类错误，提取时间、位置、大小这三个特征，计算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，训练得到贝叶斯修正分类器；将检测分类器得到有人的图片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。

进一步，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，计算该图片的HOG特征，并将其作为输入传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和人工标签分类，时间、人员位置、人员大小这三个特征分别用t、d、s表示，C为标签类别；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；