[发明专利]一种复杂场景下安全帽识别方法

说明书

本发明一种复杂场景下安全帽识别方法属于目标检测技术领域；该方法首先基于运动目标前景背景特征实现人体区域初定位，然后利用人体比例对安全帽区域进行定位，再融合HOG和HOF特征进行安全帽识别；通过改进待检测图像前景目标区域与邻域背景区域两像素分布直方图余弦相似度及欧式距离来检测并消除鬼影区域；通过改进HOG和HOF算法与重心级联实现SVM快速分类；该方法包含了基于运动目标鬼影的消除以及基于HOG和HOF的信息融合与重心相结合的目标识别方法。实验证明，该方法不仅能够缩短目标识别时间，提高目标识别率，适用于复杂背景下的目标检测。

技术领域

本发明一种复杂场景下安全帽识别方法属于目标检测技术领域。

背景技术

在危险的工作环境中，安全帽对工作人员的头部起到了至关重要的保护作用。以视频自动监控的方式进行安全帽的检测与跟踪，可以减少人力、可以准确的监控热电厂内作业工人的安全帽佩戴情况，降低他们发生意外危险的概率。

在对安全帽进行检测时，由于热电厂厂内环境复杂且面积较大，处于远景处的工人所佩戴的安全帽不易检测，带来安全帽漏检的问题。

由此可见，复杂环境下安全帽容易漏检是本领域技术人员正在研究的问题。

发明内容

针对上述技术需求，本发明公开了一种复杂场景下安全帽识别方法，能够有效提高基于小物体的目标检测的准确率，此外，该方法能够消除背景信息对目标检测准确率的影响，对于具有复杂背景的图像，检测准确率高的技术优势尤其明显。

本发明的目的是这样实现的：

一种复杂场景下安全帽识别方法，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。

上述的一种复杂场景下安全帽识别方法，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)