[发明专利]一种复杂场景下安全帽识别方法

权利要求书

1.一种复杂场景下安全帽识别方法，其特征在于，包括以下步骤：

步骤a、待检测图像中的人员初定位；

步骤b、安全帽所在区域的初定位；

步骤c、提取待检测图像的方向梯度直方图(HOG)特征和光流方向直方图(HOF)特征；

步骤d、对步骤c提取的HOG特征和HOF特征分别进行PCA降维；

步骤e、融合特征并进行分类检测；

步骤a的具体步骤如下：

步骤a1：构建待检测单帧图像A1的背景像素值样本集M(x,y)

有：

M(x,y)＝{V₁(x,y),V₂(x,y),...,V_j(x,y)}；

j＝1,2,...,N_back，N_back为A1内背景像素点的个数，V(x,y)表示像素点(x,y)处的像素值；

步骤a2：对待检测单帧图像A1进行前景提取

步骤a21：对A1的像素点(x,y)进行分类

S_R(V(x,y))表示以像素值V(x,y)为圆心，圆心坐标为(V(x,y),V(x,y))，阈值R_k(x,y)为圆半径的区域，横纵坐标轴都为像素值，k＝1,2,...,N_A1且k！＝i，N_A1为A1内像素点个数；若V(x,y)与M(x,y)的交集个数b满足bC，则判定(x,y)为前景，记为FG_i(x,y)，i＝1,2,...,N_front，N_front为A1内背景像素点的个数；否则为背景，记为FB_j(x,y)；C为预先定义好的相似度阈值；

步骤a22：计算步骤a21中像素点(x,y)阈值半径R_k(x,y)

计算A1内像素点(x,y)的像素值V(x,y)与M(x,y)内背景像素值V_i(x,y)差值的平方平均值d(x,y)，如下式：

再计算阈值半径R_k(x,y)，如下式：

λ为调节权重，d为固定阈值，R_k(x,y)为像素点(x,y)对应的阈值半径；

经实验所得，λ设为0.05，d设为8；

步骤a3：消除鬼影区域

步骤a31：对步骤a2得到的前景目标像素点FG_i(x,y)做连通域标记，记为前景目标区域，用符号F_t表示，t＝1,2,3,...,N_F其中N_F为A1内前景目标的个数；并将F_t最小外接矩形包含的邻域背景BL_t(x,y)也进行标记，记为邻域背景区域，用符号B_t表示；然后分别计算每个F_t及B_t对应灰度直方图，分别记为P_t和Q_t；最后统计P_t和Q_t中出现的FG_i(x,y)中像素点个数，将结果分别保存在向量PP_t和QQ_t中；

步骤a32：求取前景目标区域F_t与邻域背景区域B_t两像素集欧式距离D_t(PP_t,QQ_t)

如下式：

步骤a33：将D_t(PP_t,QQ_t)归一化为N_t(PP_t,QQ_t)如下式：

步骤a34：求取向量PP_t和QQ_t余弦相似度如下式：

步骤a35：判断是否为鬼影区域

按照下式进行鬼影区域判断：

其中，GH_t表示鬼影区域，T₁和T₂分别为归一化后欧式距离和余弦相似度阈值，当N_t(PP_t,QQ_t)与cosPP_t,QQ_t同时满足要求时，则判定GH_t属于鬼影，将GH_t点的像素值设置为0，从而使鬼影现象消除；

步骤a4：确定人体目标区域Human_t

步骤a41：对步骤a35所得进行前景FG_i(x,y)背景FB_j(x,y)更新

当FG_i(x,y)的像素点(x,y)连续3次被检测为前景，(x,y)自动归类为背景区域FB_j(x,y)的像素点；FG_i(x,y)的所有像素点(x,y)依次进行检测更新，完成FG_i(x,y)和FB_j(x,y)更新；

步骤a42：确定人体目标区域Human_t

由步骤a41更新后得到新的的前景目标区域F_t‘，即为人体目标区域Human_t。