[发明专利]一种电梯中目标的检测方法

说明书

技术领域

本发明实施例涉及电梯监控领域，特别涉及一种电梯中目标的检测方法。

背景技术

随着经济的发展，电梯在居民小区中的使用越来越多，电梯中通常安装有监控设备用于监控电梯内的环境，识别电梯监控视频中的目标是保证电梯运行安全的重要内容。

相关技术中，识别视频中的目标涉及对图像进行预处理，即尽可能在不改变图像承载的本质信息的前提下，令每张图片的颜色分布、整体明暗、尺寸大小等表观特性抑制，目标特征提取，即对图像包括的数据进行变换得到反映分类本质的特征，目标检测，即使用各种匹配算法，根据从图像中已经提取的特征识别出目标。

然而，针对电梯中目标检测的方法中能够达到应用级别的很少，大部分对电梯中目标的识别率高的方法比较复杂，难以对电梯监控视频进行实时处理。

发明内容

为了解决现有技术的问题，本发明实施例提供了一种电梯中目标的检测方法。该技术方案如下：

第一方面，提供了一种电梯中目标的检测方法，该方法包括：

获取第一图像序列，利用所述第一图像序列训练支持向量机SVM分类器；

获取第二图像序列，从所述第二图像序列中获取目标区域图像；

针对所述目标区域图像，计算方向梯度直方图HOG特征；

将所述目标区域图像的HOG特征输入所述SVM分类器，检测所述SVM分类器的输出结果是否小于第一预定阈值；

若所述SVM分类器的输出结果大于等于所述第一预定阈值，则确定所述目标区域图像包括所述预定目标；

若所述SVM分类器的输出结果小于所述第一预定阈值，则确定所述目标区域图像不包括所述预定目标。

可选的，所述利用所述第一图像序列训练支持向量机SVM分类器，包括：

对所述第一图像序列中的每张图像，利用改进中值滤波方法进行图像预处理；

从经过预处理的所述图像中选取m张正样本图像和n张负样本图像，所述正样本图像中包括所述预定目标，所述负样本图像中不包括所述预定目标；

针对每张所述正样本图像和每张所述负样本图像，计算HOG特征；

将所述m张正样本图像的HOG特征和所述n张负样本图像的HOG特征作为SVM的输入值，训练所述SVM得到所述SVM分类器，所述SVM分类器的核函数为径向基RBF函数。

可选的，所述从所述第二图像序列中获取目标区域图像，包括：

对所述第二图像序列中的每张图像，利用改进中值滤波方法进行图像预处理；

根据经过图像预处理后的所述第二图像序列确定背景图像；

按如下公式确定所述第二图像序列中的图像的运动区域：

其中，B^t(x,y)表示运动区域，I^t(x,y)表示像素点(x，y)在t时刻的图像中的值，BKG^t(x,y)表示像素点(x，y)在所述背景图像中的值，τ为第二预定阈值；

在HSV颜色空间，根据相邻帧图像的所述像素点(x，y)在H通道、S通道、V通道的变化特征滤除所述运动区域中的阴影；

对滤除阴影后的所述运动区域进行形态学操作，得到所述目标区域图像。

可选的，所述计算HOG特征，包括：

按如下公式对图像进行Gamma校正：

f(I)＝I^γ，其中，I表示图像中每个像素点(x，y)的像素值，γ＝Gamma；

计算经过Gamma校正后的所述图像中每个像素点的梯度幅值和梯度方向；

采用一维中心对称模板，将所述图像分为若干个单元格；每个单元格包括p*p个像素点，每k*k个单元格为一个块；

将0°至180°平均分为h个方向通道；

根据所述单元格中每个所述像素点的梯度幅值和梯度方向统计出方向梯度直方图，以所述h个方向通道为所述方向梯度直方图的横坐标，以所述h个方向通道中的每个方向通道中的像素点的梯度幅值的累加和为所述方向梯度直方图的纵坐标；

根据所述方向梯度直方图确定h个梯度向量；

根据所述梯度向量对应的像素点所在的块，将所述梯度向量划分为若干个过渡梯度向量；

对每个块内的梯度向量进行归一化处理，并将经过归一化处理后的过渡梯度向量连接起来，得到所述HOG特征。

可选的，所述计算所述图像中每个像素点的梯度幅值和梯度方向，包括：

按如下公式计算所述每个像素点的水平方向梯度：