[发明专利]一种基于头肩轮廓及BP神经网络的行人检测及跟踪方法

摘要

本发明提出一种基于头肩轮廓及BP神经网络的行人检测及跟踪方法。首先，采用自适应的混合高斯背景更新算法提取出视频序列中的运动人体目标，并通过改变混合高斯模型的学习因子来提高背景估计的精确程度；其次，采用Canny算子为模板提取出原始目标的初始轮廓，并结合均值漂移Mean shift算法进行轮廓聚类以获得较完整的人体轮廓；再次，结合人体的头肩宽高比，建立头肩轮廓模型并提取出头肩轮廓特征向量，输入BP神经网络，聚类出多个人体头肩模型，进行人体识别；最后，采用粒子滤波器对识别出的行人目标进行跟踪。本发明克服了由于识别目标不完整而造成的误判和错判，提高了行人目标识别的准确率，同时减少了计算量。

主权项

1.一种基于头肩轮廓及BP神经网络的行人检测及跟踪方法，其特征在于，包括以下步骤：步骤一：采用自适应的混合高斯背景更新算法对视频序列中的运动目标进行检测，获得运动目标的残差图；步骤二：对运动目标残差图进行Canny算子边缘检测，提取运动目标的粗略轮廓；采用均值漂移Mean shift算法对粗略轮廓进行聚类，结合运动目标残差图，保留属于人体的类，并将聚类出的人体部分叠加到粗略轮廓中，获得目标轮廓二值图像；步骤三：根据人体头肩宽高比例以及目标轮廓二值图像，建立人体头肩轮廓模型；提取人体头肩轮廓模型的特征向量，将人体头肩轮廓模型的特征向量作为BP神经网络的输入值，建立人体头肩轮廓特征向量与运动目标的对应关系，聚类出多个人体头肩轮廓模型，进行人体识别，获得运动人体目标和运动非人体目标；步骤四：采用粒子滤波算法对步骤三识别出的运动人体目标进行实时运动目标跟踪；步骤二中所述采用均值漂移Mean shift算法对粗略轮廓进行聚类的过程为：步骤2.1：选择运动目标粗略轮廓中人体头肩的断层部分作为聚类区域，在聚类区域中任意选择初始搜索区域，该初始搜索区域是以点O为圆心、半径h的圆形区域；步骤2.2：根据公式(1)计算圆O中采样点x的漂移均值mh(x)，公式(1)中，xi为第i个采样点，||(x‑xi)h‑1||2＝||(x‑xi)||2Hi为马哈拉诺比斯距离，g(x)为核函数；步骤2.3：计算圆心O与漂移均值mh(x)之差，获得均值漂移向量Mh(x)；步骤2.4：将均值漂移向量Mh(x)与设定的阈值ε相比较，若||Mh(x)||＜ε成立，则采样点x即为聚类出的点；若||Mh(x)||＜ε不成立，则将求出的漂移均值mh(x)赋值给圆心O，返回执行步骤2.2，直到||Mh(x)||＜ε成立。