[发明专利]基于图模型的图片重要行人检测方法

说明书

本发明公开了一种基于图模型的图片重要行人检测方法，包括下述步骤：S1、给定一张包含多行人的图片，对图片中行人进行检测与行人重要特征提取；S2、对于图片检测到行人，通过关系函数基于不同的特征构建混合关系图；S3、提出基于图模型的重要行人检测算法PersonRank，通过提出的PersonRank算法对混合关系图中的行人的重要程度进行排序；S4、对重要行人特征进行分析，并使用空间特征、动作特征、外观特征以及注意力特征来对行人进行表征。本发明利用不同的特征，对图片中检测出来的行人构建混合关系图来模型图片中行人之间的关系。通过改进著名排序算法PageRank使之能够用于对多层混合关系图中的行人的重要程度进行排序，最终检测到图片中最重要的行人。

技术领域

本发明涉及行人检测的技术领域，尤其是涉及一种基于图模型的图片重要行人检测方法。

背景技术

图片重要行人检测，即从群体合照图片中，检测最重要的人。这项技术有望用于图像理解等众多计算机视觉领域，包括在给图片生成描述文字问题上可以更加突出图片中心人物、在行人检索搜索领域中提升搜索质量、在图片或视频中事件的识别与领域中更加突出重要人物对事件识别与检测的相关性从而提升识别与检测的效果等。

现有的图片重要人脸检测主要有以下两类：

1)基于行人对排序：为了自动检测图片中重要的行人，最直接的方式就是对图片中的行人两两形成行人对，在对行人对的重要程度关系进行预测。因此，Vip:Findingimportant people in images中提出了使用回归模型来推断图片两个不同人之间的重要程度关系，通过这样的行人对的重要程度关系，推断出图片中最重要的人脸。

2)基于感知器排序：图片或者视频中最重要的人对于视频中的事件的识别与检测有非常大的作用。Detecting events and key actors in multi-person videos提出，对篮球赛中不同的球员进行动作特征以及外观特征提取，通过感知器对不同球员的重要程度进行计算，从而提升对篮球比赛中事件的识别与检测的准确率。

已有的重要人脸检测算法尚存在很多不足。Vip:Finding important people inimages中提出通过提取行人人脸的空间特征以及显著特征，并通过对行人对进行排序进而对行人重要程度进行排序。该方法在对行人重要程度排序时，忽略了其他人的重要程度以及行人间关系对重要程度的影响。与此同时，该方法也忽略了上下文信息、动作信息、外观信息以及注意力信息对于重要行人检测的作用。Detecting events and key actors inmulti-person videos中则基于每个行人的特征，提出使用感知器直接对行人重要程度进行计算。这忽略了行人之间关系对重要程度分析的作用。此外，该方法也忽略了空间信息以及关注力信息的作用。

发明内容

本发明的主要目的在于克服现有技术的缺点与不足，提供一种基于图模型的图片重要行人检测方法，本发明利用不同的特征，对图片中检测出来的行人构建混合关系图来模型图片中行人之间的关系，通过改进著名排序算法PageRank使之能够用于对多层混合关系图中的行人的重要程度进行排序，最终检测到图片中最重要的行人。

为了达到上述目的，本发明采用以下技术发明：

本发明基于图模型的图片重要行人检测方法，包括下述步骤：

S1、给定一张包含多行人的图片，对图片中行人进行检测与行人重要特征提取；

S2、对于图片检测到行人，通过关系函数基于不同的特征构建混合关系图，在混合关系图中，检测到的行人为图的结点，关系函数则用以构造图中结点间的相互联系的有向边；

S3、提出基于图模型的重要行人检测算法PersonRank，通过提出的PersonRank算法对混合关系图中的行人的重要程度进行排序；