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

摘要

本发明提供一种基于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。

主权项

1.一种基于Haar‑NMF特征和级联Adaboost分类器的脱岗检测方法，其特征在于：包括以下步骤：步骤1、制作训练样本集；步骤2、提取训练样本集中正样本和负样本图片中人体头肩部的Haar‑NMF特征；步骤3、通过基本分类器Gm(x)及其权重系数αm加权组成单级强分类器Gx，然后将多个单级强分类器Gx串联组成级联Adaboost分类器，并将步骤2提前的训练样本的Haar‑NMF特征输入该级联Adaboost分类器进行训练，得到保存训练结果的.xml文件；步骤4、对级联Adaboost分类器训练结果进行初步测试，具体方法为：对输入的测试图片首先提取出测试图片的Haar‑NMF特征，然后将提取的Haar‑NMF特征输入步骤3训练的级联Adaboost分类器进行检测，利用保存训练结果的.xml文件进行检测，检测结果存在一定的误检和漏检；步骤5、根据检测结果对级联Adaboost分类的测试结果进行优化，具体方法为：根据测试结果进行优化：针对漏检问题，采用各补充2000张正负样本再次训练的方法进行解决；针对误检问题，在程序算法设计中，除了通过使用训练好的分类器进行判断之外，根据相邻视频帧的帧间关系补充了状态机的判定方法，在一定程度上有效的抑制误报，正确判定人员是否离岗；步骤6、根据优化的结果调整脱岗检测方法的训练过程和检测过程，并进行脱岗检测。