一种人体检测方法
【专利摘要】本发明公开了一种人体检测方法，所述方法包括以下步骤：联合彩色与深度信息进行深度彩色方向梯度直方图特征提取；检测模型的训练；对测试图像进行区域分割，并基于分割结果进行检测，获得候选区域{SR}；对候选区域{SR}进行基于边缘检测的验证。本发明实现了基于彩色与深度信息的人体检测方法，联合特征提取获得的特征既包含彩色信息，又包含深度信息，同时轮廓边缘信息得到增强，使得该特征更具有代表性；不同部分运用不同的特征和分类模型的检测策略，克服了深度相机拍摄的远距离物体精度不高的缺点；采用基于边缘信息的验证方法，使得检测的结果更准确。
【专利说明】一种人体检测方法
【技术领域】
[0001]本发明涉及图像处理、计算机视觉领域，特别涉及一种利用Kinect拍摄的RGB-D(彩色深度)图像中的彩色和深度信息进行人体检测的方法。
【背景技术】
[0002]人体检测技术是图像处理和计算机视觉领域的研究热点之一，它在很多方面都得到了广泛的应用，例如:交通安全、社区监控和机器人等。为了得到理想的检测结果，许多研究者在特征提取、分类器的训练等方面进行了深入研究，提出了很多解决方法。
[0003]大部分已有的人体检测方法都是以彩色图像为基础。人体检测的过程主要分两步，一是提取有效的特征，二是训练强有力的分类器。对于特征提取方面，已有的彩色图像特征包括方向梯度直方图(HOG)、LBP(局部二值模式)、Haar-like、协方差特征等。其中Dalal和Triggs首次提出经典的HOG特征，即用像素间的梯度大小和方向作为特征描述子，HOG特征是在SIFT (尺度不变特征变换)特征的启发下得到的，许多特征方法都是在HOG的基础上改进得到的，它是应用最广泛的特征之一。除了特征外，分类器的性能也直接影响检测的结果。通常，用支持向量机SVM、级联分类器Adaboost、随机森林Random Forests等方法来对标注好的样本进行学习训练得到分类器。SVM通过最大化分类间隔来得到不同类别，Dalal将得到的HOG特征放入SVM中进行学习训练得到了较好的分类结果，Viola通过使用Adaboost，对弱分类器进行迭代训练得到最终的强分类器从而使得检测结果更加准确。Random Forests是通过对非叶子结点的不同属性进行分类得到最终叶子节点上的不同类别概率分布结果实现分类的目的。
[0004]尽管研究人员提出了很多基于彩色信息的人体检测方法，并取得了较好的检测结果。但是，基于彩色图像的人体检测方法仍有一些局限性，包括:(a)衣着的不同，姿势的多变；(b)光照的变化；(C)复杂的背景；⑷遮挡问题等。
【发明内容】
[0005]本发明提供了一种人体检测方法，本发明克服了光照的变化、衣着的颜色不同等导致的影响，提高了检测结果的准确性，详见下文描述:
[0006]一种人体检测方法，所述方法包括以下步骤:
[0007]联合彩色与深度信息进行深度彩色方向梯度直方图特征提取；
[0008]检测模型的训练；
[0009]对测试图像进行区域分割，并基于分割结果进行检测，获得候选区域{SK}；
[0010]对候选区域{SK}进行基于边缘检测的验证。
[0011]所述联合彩色与深度信息进行深度彩色方向梯度直方图特征提取的操作为:对于训练图像集中的彩色图像和深度图像提取深度彩色方向梯度直方图特征，具体步骤为:
[0012]将彩色和深度图像分成8*8的细胞单元，采集每个细胞单元的各个像素点的梯度大小和方向构成梯度方向直方图；将颜色、深度的变化以梯度直方图的形式表现，深度彩色方向梯度直方图特征内的每个bin块的幅度大小为:
【权利要求】
1.一种人体检测方法，其特征在于，所述方法包括以下步骤: 联合彩色与深度信息进行深度彩色方向梯度直方图特征提取； 检测模型的训练； 对测试图像进行区域分割，并基于分割结果进行检测，获得候选区域{SK}； 对候选区域{SJ进行基于边缘检测的验证。
2.根据权利要求1所述的一种人体检测方法，其特征在于，所述联合彩色与深度信息进行深度彩色方向梯度直方图特征提取的操作为:对于训练图像集中的彩色图像和深度图像提取深度彩色方向梯度直方图特征，具体步骤为: 将彩色和深度图像分成8*8的细胞单元，采集每个细胞单元的各个像素点的梯度大小和方向构成梯度方向直方图；将颜色、深度的变化以梯度直方图的形式表现，深度彩色方向梯度直方图特征内的每个bin块的幅度大小为:
3.根据权利要求1所述的一种人体检测方法，其特征在于，所述检测模型的训练的步骤具体为:模型的求解过程是学习训练隐支持向量机，即最小化函数Lk(S)求解向量δ的过程，定义如下:
4.根据权利要求1所述的一种人体检测方法，其特征在于，所述对测试图像进行区域分割，并基于分割结果进行检测，获得候选区域{SJ的步骤具体为: 根据深度图像中场景物体的距离，设定阈值；根据阈值将测试图像分割成前后两部分；对于前半部分图像结合彩色和深度信息提取深度彩色方向梯度直方图特征，利用DC-model模型进行检测；对于后半部分图像利用彩色图像提取方向梯度直方图特征，利用C-model模型进行检测；结合两部分检测结果，获得候选区域。
5.根据权利要求1所述的一种人体检测方法，其特征在于，所述对候选区域{SJ进行基于边缘检测的验证的步骤具体为:
【文档编号】G06K9/66GK103473571SQ201310415544
【公开日】2013年12月25日 申请日期:2013年9月12日 优先权日:2013年9月12日
【发明者】雷建军, 范晓红, 由磊, 侯春萍, 李实秋, 张翠翠 申请人:天津大学