[发明专利]基于Haar-NMF特征和级联Adaboost分类器的脱岗检测方法有效

专利信息
申请号: 201811065893.2 申请日: 2018-09-13
公开(公告)号: CN109190710B 公开(公告)日: 2022-04-08
发明(设计)人: 雷为民;王玉楠;张伟;关云冲;魏京天;李锦环 申请(专利权)人: 东北大学
主分类号: G06V10/774 分类号: G06V10/774;G06V10/771;G06K9/62
代理公司: 沈阳东大知识产权代理有限公司 21109 代理人: 刘晓岚
地址: 110819 辽宁*** 国省代码: 辽宁;21
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 基于 haar nmf 特征 级联 adaboost 分类 脱岗 检测 方法
【说明书】:

发明提供一种基于Haar‑NMF特征和级联Adaboost分类器的脱岗检测方法,涉及视频信号处理技术领域。该方法采用低维Haar‑NMF特征代替传统的Haar特征,Haar‑NMF特征可以很好地表征图像中局部区域的特征,如在岗人员的头部和肩部特征,满足检测方法对检测准确率的要求;采用级联Adaboost分类器代替基本的Adaboost分类器,提高了检测的准确率并减少运算量,满足了检测方法对检测速度的要求。并针对检测过程中的漏检问题和误检问题进行优化,提高了检测方法的整体性能。本发明提供的基于Haar‑NMF特征和级联Adaboost分类器的脱岗检测方法,在保证检测成功率的基础上,缩短了样本的训练和检测的时间,并且通过增加分类器的级数提高了检测方法的部分性能,同时提高了检测速度。

技术领域

本发明涉及视频信号处理技术领域,尤其涉及一种基于Haar-NMF特征和级联Adaboost分类器的脱岗检测方法。

背景技术

计算机视觉的主要任务是通过对采集的图片或视频进行处理从而获得特定场景需要的特定信息。近些年来计算机视觉一直是国内外学者的研究重点,而图像分类和识别是其中最具实用性的研究领域,行人检测和识别则是该领域中应用最广、研究最多的方向之一。伴随着“智慧校园”、“平安城市”等新兴科技项目的快速发展,智能化、网络化、数字化愈来愈成为现代工业的主要发展趋势,人们把计算机视觉的相关算法引入传统的视频监控中,智能视频监控系统应运而生。

智能视频监控的研究对象为监控视频中的行人、车辆或其他物体,通过对视频中的运动目标进行实时检测、跟踪和行为分析,使得系统能够自动提取出我们需要的信息。

近些年来,国防、安防、消防等高危化行业的岗位执勤工作日益受到重视,因此设计并实现一套可用于检测值班室人员是否脱岗的系统具有十分现实的意义。由于值班人员的“空岗”往往会造成不可估量的损失,脱岗检测就显得尤为重要。早期一般是通过指派专人不定期的查岗来进行脱岗检测,但这种方式实时性很差,难以第一时间处理突发状况并且查岗耗费太多不必要的人力和时间。研究脱岗检测算法具有十分现实的意义,孕藏着极大的商业价值。

脱岗检测技术的方法论是基于机器学习中统计学习的方法,设计一个完整成熟的脱岗检测系统必须要解决一些关键问题,包括适应行人姿态变化的多样性、单一场景下对行人和背景的分辨性和检测的准确性和实时性等,其中在工程化和商业化的过程中最需要解决的问题就是如何同时兼顾检测的准确率和检测速度,设计并实现一种特定场景下满足特定需求的脱岗检测算法。在解决检测速度和检测准确率的问题时,由于对检测准确性的高要求通常使得算法处理的过程中消耗了大量时间,而对于脱岗检测这种单一场景下单一目标检测的情况,对于区分有人和没人的情况不需要过于复杂的训练过程和算法,因此,主要需要解决的问题就是检测速度的问题,这也是目前所有的脱岗检测的应用急需解决的问题。

现阶段,国外科研机构以及一些独立研究人员在行人检测技术方面的研究已经获得了一定成果,很多高校和科研机构都有了较为成熟的行人检测系统,例如加利福尼亚理工学院、麻省理工大学、戴姆勒公司Ulm RD中心、Facebook AI研究中心等都有了突出的研究成果。每年在一些国际顶尖会议上(其中包括国际计算机视觉大会ICCV、计算机视觉与模式识别会议CVPR、欧洲计算机视觉国际会议ECCV等)都会举行行人检测方面的专题会议,汇报在该领域已取得的研究进展及成果,探讨行人检测日后的研究方向。与此同时,每年都会有大量高质量、高水平,理论性、创新性、实用性兼具的学术文章被刊登在该领域极具影响力的国际期刊上,譬如模式分析与机器智能汇刊PAMI、计算机视觉国际期刊IJCV等等。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于东北大学,未经东北大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201811065893.2/2.html,转载请声明来源钻瓜专利网。

同类专利
专利分类
×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code