[发明专利]一种基于局部运动线条分析的人形判定方法

说明书

本发明涉及图像处理领域，一种基于局部运动线条分析的人形判定方法，其步骤如下：S1：数据输入；S2：网格化边缘提取；S3：局部运动线条提取；S4：统计局部线条分布；S5：分析局部线条的空间分布模式；S6：头肩模式分析；S7：双臂模式分析；S8：躯干模式分析；S9：双腿模式分析；S10：判定运动区域内有人并输出结果；S11：判定运动区域内无人并输出结果。本方法对姿态多样性的适应能力优于HOG+SVM方法，本方法中的基于局部线条的模式分析过程可根据人形的局部特征对不同的姿态做适应的模式匹配，只要有一种模式匹配成功就可判定为人形存在。

技术领域

本发明涉及图像处理领域，属于图像分析领域的目标识别方法。

背景技术

目前，基于HOG特征+SVM分类器的方法是最主要的人形判定方法，该方法提取行人图片的全局HOG特征且需要提供大量图片训练SVM分类器，该方法耗时高且对行人的判定效果依赖于训练图片的数量和多样性。在商场互联网安防的应用中，摄像头的安装位置以及角度不定，视频中人的视角多变，姿态多样，利用HOG特征+SVM分类器的方法会有耗时高，准确率低以及虚警率高等问题。针对现有技术的不足，以及现实应用场景的特点，本发明提出一种基于局部运动线条分析的人形判定方法。

发明内容

本发明的目的是提出为了对商场安防视频中的人形进行判定分析，能够适用于商场安防中不同视角的拍摄视频，行人姿态多样以及人群聚集遮档等应用场景，具有适应性强，实时性高等特点。

本发明的具体技术方案是：一种基于局部运动线条分析的人形判定方法，其步骤如下：

S1：数据输入,输入数据为运动目标检测到的运动目标的运动点集合；

S2：网格化边缘提取，1)首先对运动点集合进行空间上的8*8网格化分割；2)然后提取每个网格内的上下左右边缘运动点集合,分别记录为集合U,D,L,R；

S3：局部运动线条提取，分析每个网格内的上下左右边缘集合U,D,L,R，分析运动点集合是否是连续的递增或递减线条；如果是则记录该局部线条为有效线段，记录下局部线段的方向，以角度a表示，并统计运动点集的梯度方向。否则该线条为无效线条；

S4：统计局部线条分布，令0<a<30或150<a<180表示水平方向，30<a<150表示垂直方向，统计水平方向的局部线条个数Hn以及垂直方向的局部线条个数Vn，如果垂直方向线条个数小于两倍的水平方向线条个数，则判定该运动区域无人，执行步骤S11，否则执行步骤S5；

S5：分析局部线条的空间分布模式，以8邻域联通的若干局部线条组成列表，分析列表内线条的方向在空间上的变化趋势，判断列表所属的人形模式，是否属于S6头肩模式，S7双臂模式，S8躯干模式或S9双腿模式；

S6：头肩模式分析，如果是头肩模式，执行步骤S10,否则执行步骤S7；

S7：双臂模式分析，如果是双臂模式，执行步骤S10,否则执行步骤S8；

S8：躯干模式分析，如果是躯干模式，执行步骤S10,否则执行步骤S9；

S9：双腿模式分析，如果是双腿模式，执行步骤S10,否则执行步骤S11；

S10：判定运动区域内有人并输出结果；

S11：判定运动区域内无人并输出结果。

附图说明

图1是头肩模式分析示意图。

图2是双臂模式分析示意图。

图3是躯干模式分析示意图。

图4是双腿模式分析示意图。