一种人体头肩检测方法及其装置制造方法
【专利摘要】本发明属于图像识别领域，提供了一种人体头肩检测方法及其装置，该方法包括以下步骤：将待识别图像划分为若干颜色相似的子块，即得到划分后的待识别图像；将子块划分后的待识别图像构造成结构图；将结构图中的子块与人体头肩模型库中的人体头肩模型子块进行匹配。本发明提出的将图像的子块作为基本处理单元，并采用子块作为节点构造结构图的方法进行头肩检测，不仅可以提高方法的运行效率，而且采用逐层匹配搜索最优检测结果，提高了头肩检测的准确性。
【专利说明】一种人体头肩检测方法及其装置
【技术领域】
[0001]本发明属于图像识别领域，尤其涉及一种人体头肩检测方法及其装置。
【背景技术】
[0002]头肩检测对于视频或图像中的人体目标检测与识别具有重要意义，可应用于图像或视频场景中的人体目标个数统计。进行人体目标分割时，首先需要确定场景中人体目标的位置和个数，所以头肩检测是进行人体目标分割的前提和基础。除此以外，头肩检测还为进一步准确的人体目标的准确分割提供有用的位置信息，方便进行后续处理。
[0003]人体的头肩部位在人体行走的过程中的形状变化较小，相对固定，所以目前的方法主要是依据人体头肩的形状进行匹配，根据单一模型进行检测准确率不高，效率低。而且，依据相机成像原理，当人体处于相机视野中的不同位置时，所呈现的头肩形状和大小都会存在一定差异，进一步的降低了检测的准确率。
【发明内容】
[0004]本发明实施例的目的在于提供一种人体头肩检测方法，本发明旨在提出一种能够自适应调整头肩模型大小的方法，提高头肩检测准确率。
[0005]本发明实施例是这样实现的，一种人体头肩检测方法，其特征在于，所述方法包括以下步骤:
[0006]将待识别图像划分为若干颜色相似的子块，即得到划分后的待识别图像；
[0007]将所述的子块划分后的待识别图像构造成结构图；
[0008]将所述的结构图中的子块与人体头肩模型库中的人体头肩模型子块进行匹配。
[0009]具体的，所述的将子块划分后的待识别图像构造成结构图，的步骤具体包括:
[0010]将所述的划分后的待识别图像作为结构图的最底层，构造最底层结构图时，以每个子块作为一个节点；
[0011]根据所述的最底层的结构图构造高层结构图，构造高层结构图时，以每个子块作为一个节点；
[0012]确定所述的节点之间的权值；
[0013]将所述的节点之间的权值做归一化处理，得到归一化处理后的权值。
[0014]具体的，所述的将结构图中的子块与人体头肩模型库中的人体头肩模型子块进行匹配，的步骤具体包括:
[0015]对所述的结构图最底层即VO层与所述的模型库中的任一模型S，分别计算该模型其与图像的各子块区域R的相似度Φ (S，R)，并将相似度大于某一阈值的子区域标记为感兴趣区域。
[0016]从结构图最底层的上一层即结构图Vl层开始循环执行，设前次处理的为结构图第Vk层，在结构图第Vk+i层选择权值大于给定阈值的子区域对应节点的子块分别与模型库中的各个子模型进行相似度计算，并将相似度大于阈值的区域进行标记；直至处理到结构图的最高层即Vr层。
[0017]分别将各层中各子块的相似度累加，选取相似度累加值最大的层中的感兴趣区域作为最终的匹配结果。
[0018]具体的，所述的将待识别图像划分为若干颜色相似的子块，即得到划分后的待识别图像，的步骤具体包括:
[0019]所述的对待识别图像，采用高斯模糊函数，对其进行高斯滤波。
[0020]对高斯滤波后的待识别图像采用分水岭算法进行子块划分，即得到划分后的待识另IJ图像。
[0021]具体的，所述的根据最底层的结构图构造高层结构图，的具体方法为:
[0022]从所述的最底层的结构图开始，通过将当前层中相邻的颜色相似子块进行合并形成更高一层新的子块的方法，得到更高一层的子图，以每一个新的子块作为一个节点；当按上述方法构造的更高层图像不再发生变化时，则停止继续构造高层图像。
[0023]具体的，所述的将当前层中相邻的颜色相似子块进行合并，包括如下步骤:
[0024]将该层所有子块对应的节点放置到一个队列中；
[0025]从队列中第一个节点对应的子块开始循环执行，提取队列中第一个未被标记的子块，并计算所取出子块的颜色均值；并对该子块进行标记，表示已经进行处理过；对该子块相邻子块进行选择合并操作，直到队列中所有子块都被标记过；
[0026]对该子块相邻子块进行选择合并操作具体为:搜索与所取出子块相邻的子块，从第一个搜索到的相邻子块开始循环执行，若该相邻的子块是未被标记过的子块，则计算该相邻子块的颜色均值，并判断相邻子块的颜色均值与当前子块的颜色均值之差是否小于设定阈值T，若是，则将该邻域子块合并，并对该邻域子块进行标记；直到所有相邻子块都搜索完成。
[0027]具体的，所述的在步骤将待识别图像划分为若干颜色相似的子块，即得到划分后的待识别图像，之前，还包括步骤:
[0028]构造人体头肩模型库。
[0029]具体的，所述的构造人体头肩模型库，包括如下步骤:
[0030]确定人体头肩形状模型尺寸参数；
[0031 ] 构造人体头肩形状模型；
[0032]将构造的人体头肩形状模型进行子块划分；
[0033]具体的，将构造的人体头肩形状模型进行子块划分，具体为:
[0034]将构造的人体头肩形状划分为九个相互具有重叠区域的子块。
[0035]一种人体头肩检测装置，其特征在于，所述装置包括以下模块:
[0036]模型库构造模块，用于构造人体头肩模型库。
[0037]待识别图像划分模块，用于将待识别图像划分为若干颜色相似的子块，即得到划分后的待识别图像。
[0038]结构图构造模块，用于将子块划分后的待识别图像构造成结构图。
[0039]匹配模块，用于将结构图中的子块与人体头肩模型库中的人体头肩模型子块进行匹配。
[0040]本发明提出的将图像的子块作为基本处理单元，并采用金字塔式结构以子块作为节点构造结构图的方法进行头肩检测，不仅可以提高方法的运行效率，而且采用逐层匹配搜索最优检测结果，提高了头肩检测的准确性。
【专利附图】
【附图说明】
[0041]图1是本发明一种人体头肩检测方法的实施例一提供的流程图；
[0042]图2是本发明一种人体头肩检测方法的实施例一提供的划分后的待识别图像的示意图；
[0043]图3是本发明一种人体头肩检测方法的实施例一提供的结构图示意图；
[0044]图4是本发明一种人体头肩检测方法的实施例一提供的S12的子流程图；
[0045]图5是本发明一种人体头肩检测方法的实施例一提供的S13的子流程图；
[0046]图6是本发明一种人体头肩检测方法的实施例二提供的流程图；
[0047]图7是本发明一种人体头肩检测方法的实施例二提供的SlO的子流程图；
[0048]图8是本发明一种人体头肩检测方法的实施例二提供的人体头肩形状模型示意图；
[0049]图9是本发明一种人体头肩检测方法的实施例二提供的划分后的人体头肩形状模型子块示意图；
[0050]图10是本发明一种人体头肩检测装置的实施例三提供的模块图；
[0051]图11是本发明一种人体头肩检测装置的实施例三提供的模型库构造模块的子模块图；
[0052]图12是本发明一种人体头肩检测装置的实施例三提供的结构图构造模块的子模块图；
[0053]图13是本发明一种人体头肩检测装置的实施例三提供的匹配模块的子模块图。【具体实施方式】
[0054]为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
[0055]针对现有技术提供的问题，本发明提出的一种人体头肩检测方法是采用学习训练的方法，建立人体头肩所处位置与成像大小之间的对应关系。自动调节头肩模型的尺寸变化。且针对场景中人体在行走或运动的过程中，头肩形状会发生变化的情况，将人体头肩模型分为若干个互相有重叠的子模型块，再通过模型块的匹配找到近似人体头肩模型的近似区域，最后通过近似区域的整合实现人体头肩部位的定位，克服由于头肩的形状变化导致的头肩模型匹配准确率低的问题。
[0056]实施例一
[0057]本发明实施例一提出了一种人体头肩检测方法，如图1所示，包括:
[0058]Sll:将待识别图像划分为若干颜色相似的子±夹，即得到划分后的待识别图像。
[0059]从图像中识别出某一具体形状的物体，其实际是通过识别该物体的轮廓。为了能够构造出物体的轮廓，本发明将图像划分为若干颜色相似的子块，具有特定形状的物体则是由这些子块组合而成，划分后的待识别图像如图2所示，图像中行人的头肩部位都由若干个子块组合而成。
[0060]Sll:将待识别图像划分为若干颜色相似的子块，即得到划分后的待识别图像，的具体步骤为:
[0061]Al:对待识别图像，采用高斯模糊函数，对其进行高斯滤波。
[0062]加入步骤Al是为了避免在后续子块划分的时候导致形成的子块面积过小，子块数量过大，造成后续计算量增加。
[0063]A2:对高斯滤波后的待识别图像采用分水岭算法进行子块划分，即得到划分后的待识别图像。
[0064]S12将子块划分后的待识别图像构造成结构图。
[0065]构造结构图具体为以金子塔的方式构造结构图，这样构造的结构图不仅可以描述每一层的各个子块之间的关系，而且可以描述出不同层之间各个子块的相似度关系，如图3所示。
[0066]S12将子块划分后的待识别图像构造成结构图，的具体步骤为:
[0067]S121将得到的划分后的待识别图像作为结构图的最底层；构造该层结构图时，以每个子块作为一个节点。
[0068]为了运算的方便这里我们对各层以及各节点的数据结构做了定义:
[0069]设最低一层为VO层,其上一层为Vl层，Vl的上一层为V2,最高层为Vr层。
[0070]对于每一层，将一个子块作为一个节点，如Vik表示第k层的第i个节点，Vjk+1表示第k+Ι层的第j个节点，每个节点Vik是由该节点所对应的子块与图像中所有像素q的连通性来描述，也就是当该子块与像素q连通时，其取值为1，不连通时其取值为0，其数学描述如公式I所示。
[0071]
【权利要求】
1.一种人体头肩检测方法，其特征在于，所述方法包括以下步骤: 将待识别图像划分为若干颜色相似的子块，即得到划分后的待识别图像； 将所述的子块划分后的待识别图像构造成结构图； 将所述的结构图中的子块与人体头肩模型库中的人体头肩模型子块进行匹配。
2.如权利要求1所述的人体头肩检测方法，其特征在于，所述的将子块划分后的待识别图像构造成结构图，的步骤具体包括: 将所述的划分后的待识别图像作为结构图的最底层，构造最底层结构图时，以每个子块作为一个节点； 根据所述的最底层的结构图构造高层结构图，构造高层结构图时，以每个子块作为一个节点； 确定所述的节点之间的权值； 将所述的节点之间的权值做归一化处理，得到归一化处理后的权值。
3.如权利要求1所述的人体头肩检测方法，其特征在于，所述的将结构图中的子块与人体头肩模型库中的人体头肩模型子块进行匹配，的步骤具体包括: 对所述的结构图最底层即VO层与所述的模型库中的任一模型S，分别计算该模型其与图像的各子块区域R的相似度Φ (S，R)，并将相似度大于某一阈值的子区域标记为感兴趣区域； 从结构图最底层的上一层即结构图Vl层开始循环执行，设前次处理的为结构图第Vk层，在结构图第Vk+Ι层选择权值大于给定阈值的子区域对应节点的子块分别与模型库中的各个子模型进行相似度计算，并将相似度大于阈值的区域进行标记；直至处理到结构图的最高层即Vr层； 分别将各层中各子块的相似度累加，选取相似度累加值最大的层中的感兴趣区域作为最终的匹配结果。
4.如权利要求1所述的人体头肩检测方法，其特征在于，所述的将待识别图像划分为若干颜色相似的子块，即得到划分后的待识别图像，的步骤具体包括: 所述的对待识别图像，采用高斯模糊函数，对其进行高斯滤波； 对高斯滤波后的待识别图像采用分水岭算法进行子块划分，即得到划分后的待识别图像。
5.如权利要求2所述的人体头肩检测方法，其特征在于，所述的根据最底层的结构图构造高层结构图，的具体方法为: 从所述的最底层的结构图开始，通过将当前层中相邻的颜色相似子块进行合并形成更高一层新的子块的方法，得到更高一层的子图，以每一个新的子块作为一个节点；当按上述方法构造的更高层图像不再发生变化时，则停止继续构造高层图像。
6.如权利要求5所述的人体头肩检测方法，其特征在于，所述的将当前层中相邻的颜色相似子块进行合并，包括如下步骤: 将该层所有子块对应的节点放置到一个队列中； 从队列中第一个节点对应的子块开始循环执行，提取队列中第一个未被标记的子块，并计算所取出子块的颜色均值；并对该子块进行标记，表示已经进行处理过；对该子块相邻子块进行选择合并操作，直到队列中所有子块都被标记过；对该子块相邻子块进行选择合并操作具体为:搜索与所取出子块相邻的子块，从第一个搜索到的相邻子块开始循环执行，若该相邻的子块是未被标记过的子块，则计算该相邻子块的颜色均值，并判断相邻子块的颜色均值与当前子块的颜色均值之差是否小于设定阈值T，若是，则将该邻域子块合并，并对该邻域子块进行标记；直到所有相邻子块都搜索完成。
7.如权利要求1所述的人体头肩检测方法，其特征在于，所述的在步骤将待识别图像划分为若干颜色相似的子块，即得到划分后的待识别图像，之前，还包括步骤: 构造人体头肩模型库。
8.如权利要求7所述的人体头肩检测方法，其特征在于，所述的构造人体头肩模型库，包括如下步骤: 确定人体头肩形状模型尺寸参数； 构造人体头肩形状模型； 将构造的人体头肩形状模型进行子块划分。
9.如权利要求8所述的人体头肩检测方法，其特征在于，将构造的人体头肩形状模型进行子块划分，具体为: 将构造的人体头肩形状划分为九个相互具有重叠区域的子块。
10.一种人体头肩检测装置，其特征在于，所述装置包括以下模块: 模型库构造模块，用于构造人体头肩模型库； 待识别图像划分模块，用于将待识别图像划分为若干颜色相似的子块，即得到划分后的待识别图像； 结构图构造模块，用于将子块划分后的待识别图像构造成结构图； 匹配模块，用于将结构图中的子块与人体头肩模型库中的人体头肩模型子块进行匹配。
【文档编号】G06K9/00GK103455799SQ201310405178
【公开日】2013年12月18日 申请日期:2013年9月6日 优先权日:2013年9月6日
【发明者】邓颖娜 申请人:西安邮电大学