一种视频图像中里切克检测的方法及系统的制作方法
【专利摘要】本发明涉及一种视频图像中里切克检测的方法及系统，该方法通过获取一帧视频图像并设置该帧视频图像中待检测的感兴趣区域；对感兴趣区域按预设前景检测方法进行前景检测，然后获取待检测的前景区域的大小与位置；在所述前景区域进行行人检测，确定所述前景区域中是否存在行人；若存在行人则获取行人轮廓并用包含里切克特征的分类器对行人进行检测，判断该行人是否具有里切克特征；若该行人具有里切克特征，则标记该行人并判断该行人在后续预定数目图像帧中于预设的统计区域中内检测到具有里切克特征的图像帧数是否大于预设误检帧数，若是则输出报警提示，从而为在视频图像中有效地进行里切克检测提供一种有效的检测手段。
【专利说明】
-种视频图像中里切克检测的方法及系统
技术领域
[0001] 本发明属于图像识别技术领域，具体设及一种视频图像中里切克检测的方法及系 统。
【背景技术】
[0002] 在一些不安全的地区，为了社会安全的需要，对一些穿着特别服饰的人物需要进 行提前特别检测识别，如穿着里切克服饰的人物进行检测识别，W做到提前预防。图像检测 可W实现图像中的人物进行识别，但现有图像检测识技术无法有效地对穿着里切克服饰的 人物来提前预防检测识别，做到提前预防。
【发明内容】
[0003] 本发明的目的在于解决上述的技术问题而提供一种视频图像中里切克检测的方 法及系统。
[0004] 为实现上述目的，本发明采用如下技术方案：
[0005] -种视频图像中里切克检测的方法，包括W下步骤：
[0006] 获取一帖视频图像并设置该帖视频图像中待检测的感兴趣区域；
[0007] 对所述感兴趣区域按预设前景检测方法进行前景检测，然后获取待检测的前景区 域的大小与位置；
[0008] 在所述前景区域进行行人检测，确定所述前景区域中是否存在行人；
[0009] 若存在行人，则获取行人轮廓并用包含里切克特征的分类器对行人进行检测，判 断该行人是否具有里切克特征；
[0010] 若该行人具有里切克特征，则标记该行人并判断该行人在后续预定数目图像帖中 于预设的统计区域中内检测到具有里切克特征的图像帖数是否大于预设误检帖数，若是则 输出报警提示。
[0011] 所述感兴趣区域为该帖视频图像中清晰度符合预设清晰度值的人形区域。
[0012] 所述前景检测方法为Vibe前景检测方法。
[0013] 所述获取待检测的前景区域的大小与位置采用W下步骤：
[0014] 将通过前景检测输出的二值化图像进行多次腐蚀并连通成一个区域，然后通过边 缘检测方法获得该前景区域的大小与位置。
[0015] 所述里切克特征是化ar特征，所述分类器为Adaboost级联分类器。
[0016] 本发明的目的还在于提供一种视频图像中里切克检测的系统，包括：
[0017] 感兴趣区域获取模块，用于获取一帖视频图像并设置该帖视频图像中待检测的感 兴趣区域；
[0018] 前景区域确定模块，用于对所述感兴趣区域按预设前景检测方法进行前景检测， 然后获取待检测的前景区域的大小与位置；
[0019] 行人检测模块，用于在所述前景区域进行行人检测，确定所述前景区域中是否存 在行人；
[0020]里切克判断模块，用于检测出存在行人的情况下，获取行人轮廓并用包含里切克 特征的分类器对行人进行检测，判断该行人是否具有里切克特征；
[0021 ]检测确认模块，用于在该行人具有里切克特征时，标记该行人并判断该行人在后 续预定数目图像帖中于预设的统计区域中内检测到具有里切克特征的图像帖数是否大于 预设误检帖数，并在判断是时输出报警提示。
[0022] 本发明通过W上技术方案，可W快速地在视频图像中检测出图像中是否存在行 人，在判断为行人后快速地检测出行人具有里切克特征，并在确认后输出报警，为在视频图 像中快速检测具有里切克特征的行人提供了一种有效的检测识别方法。
【附图说明】
[0023] 图1为本发明实施例提供的视频图像中里切克检测的方法的流程图；
[0024] 图2所示化ar-l化e特征的表示图；
[0025] 图3所示为积分图像；
[0026] 图4所示为级联强分类器的示意图。
【具体实施方式】
[0027] 下面，结合实例对本发明的实质性特点和优势作进一步的说明，但本发明并不局 限于所列的实施例。
[00%]参见图1所示，一种视频图像中里切克检测的方法，包括：
[0029] SlOl，获取一帖视频图像并设置该帖视频图像中待检测的感兴趣区域；
[0030] S102,对所述感兴趣区域按预设前景检测方法进行前景检测，然后获取待检测的 前景区域的大小与位置；
[0031] S103,在所述前景区域进行行人检测，确定所述前景区域中是否存在行人;若不存 在行人则返回步骤SlOl，
[0032] S104,若存在行人，则获取行人轮廓并用包含里切克特征的分类器对行人进行检 ，判断该行人是否具有里切克特征;其不存在里切克特征，则返回步骤SlOl，
[0033] S105,若该行人具有里切克特征，则标记该行人并判断该行人在后续预定数目图 像帖中于预设的统计区域中内检测到具有里切克特征的图像帖数是否大于预设误检帖数， 若是则输出报警提示，否则返回步骤SlOl。
[0034] 本发明通过W上技术方案，可W快速地在视频图像中检测出图像中是否存在行 人，在判断为行人后快速地检测出行人具有里切克特征，并在确认后输出报警，为在视频图 像中快速检测具有里切克特征的行人提供了一种有效的检测识别方法。
[0035] 具体实现上，本发明中，所述感兴趣区域为该帖视频图像中清晰度符合检测要求 的人形区域，即清晰度符合预设清晰度值的人形区域，具体在实现时，可W在获取视频图像 序列的宽和高的数据后，根据视频图像的宽和高数据计算出感兴趣区域的在视频图像中的 位置和宽高来确定该感兴趣的区域，而后续的检测将在该感兴趣区域内进行，运样要比在 整幅图像中检测所用时间要少很多，从而有效地提高了检测速度。
[0036] 具体实现上，本发明中，所述前景检测方法为Vibe(Visual Background extractor)前景检测方法。
[0037] 所述Vibe前景检测方法主要通过W下原理进行检测：其将静止的或是非常缓慢的 移动的物体看作背景物体，对应移动的物体看作前景物体，从而把物体检测看成一个分类 问题，也就是确定一个图像像素点是否属于背景点，将背景点与前景点区分，从而实现前景 检测，获得相应的前景区域。
[0038] 在ViBe检测模型中，其背景模型为每个背景点存储了一个样本集，然后将每一个 新的像素值和样本集进行比较来判断是否属于背景点。如果一个新的观察值属于背景点， 那么它应该和样本集中的采样值比较接近。
[0039] 具体讲，记V(X)为X点处的像素值;M(X) = IVi, V2，...Vn}为X处的背景样本集(样本 集大小为N) ;SR(v(x))为Wx为中屯、R为半径的区域，如果M(x)[{SR(v(x)) n {vi，V2,...， vn}}]大于一个给定的阔值min,那么就认为X点属于背景点。
[0040] ViBe模型初始化就是填充像素的样本集的过程，但由于在一帖图像中不可能包含 像素点的时空分布信息，利用相近像素点拥有相近的时空分布特性，具体讲就是，对于一个 像素点，随机的选择它的邻居点的像素值作为它的模型样本值。Mo(x) = {vo(y|yGNG(x))}， t = 0初始时刻，NG(X)即为邻居点。运种初始化方法优点是对于噪声的反应比较灵敏，计算 量小速度快，可W很快的进行运动物体的检测，缺点是容易引入Ghost区域。
[0041] 模型的更新采用的更新策略是保守的更新策略+前景点计数方法。前景点计数即 是对像素点进行统计，如果某个像素点连续N次被检测为前景，则将其更新为背景点。随机 的子采样:在每一个新视频帖中都去更新背景模型中的每一个像素点的样本值是没有必要 的，当一个像素点被分类为背景点时，它有1/巧的概率去更新背景模型。
[0042] 具体更新方法，每一个背景点有1/ ((>的概率去更新自己的模型样本值，同时也有 1/巧的概率去更新它的邻居点的模型样本值。更新邻居的样本值利用了像素值的空间传播 特性，背景模型逐渐向外扩散，运也有利于化OSt区域的更快的识别。同时当前景点计数达 到临界值时将其变为背景，并有1/9的概率去更新自己的模型样本值。在选择要替换的样本 集中的样本值时候，我们是随机选取一个样本值进行更新，运样可W保证样本值的平滑的 生命周期由于是随机的更新，运样一个样本值在时刻t不被更新的概率是(N-1VN，假设时 间是连续的，那么在化的时间过去后，样本值仍然保留的概率是
[0043]
[0044]
[0045]
[0046] 运就表明一个样本值在模型中是否被替换与时间t无关，随机策略是合适的。
[0047] 本发明中，在通过W上方法进行前景检测完成后，所述的获取待检测的前景区域 的大小与位置可W采用W下步骤：
[004引将通过前景检测输出的二值化图像进行多次腐蚀并连通成一个联通区域，然后通 过边缘检测方法获得该前景区域的大小与位置。运样为后续的特征检测W确定是否为行人 奠定的检测的基础。
[0049]本发明中，所述前景检测后输出的是一个二值化的前景图像，该前景图像像素值 为I，背景图像像素值为0,运样的前景图像并不为一个连通区域，为了后续检测需要，对此 二值前景图像做多次腐蚀，连通成为一个连续的区域，再通过边缘检测即可获得前景区域 所在矩形的大小和位置。在获得前景区域所在矩形的大小和位置后，就可W所述前景区域 进行行人检测，确定所述前景区域中是否存在行人，运样就大大提高了行人有无检测的速 度与效率。
[0050]本发明中，所述里切克特征是化ar特征，所述分类器为Adaboost级联分类器，具体 为基于化ar特征的Adaboost级联分类器。通过运用化ar特征Adaboost级联分类器在前景区 域进行行人检测，进一步缩小里切克检测的区域，提高了检测的效率和准确率。
[0化1 ] 下面说明基于化ar特征的Adaboost级联分类器的原理：
[0化2] 关于化ar特征和积分图
[0化3] DHaar-Iike特征可由图2表示，每个特征由2-3个矩形组成，在运些小波示意图 中，浅色区域表示"累加数据"，深色区域表示"减去该区域的数据"。分别检测边界特征 化dge features)、线特征(Xine features)、中屯、环绕特征（Center-surround features), 运些特征可表示为：
[0化4]
[0055] 其中，Wi为矩形的权，RectSum(ri)为矩形ri所围图像的灰度积分，N是组成 f eature j的矩形个数。
[0056] 如在一个24*24的图片中，有115984个特征，远远大于其像素个数。如果计算每个 特征的像素和，计算量会非常大，而且很多次运算是重复的。
[0057] 为此，Paul Viola提出一种利用积分图像法快速计算化ar特征的方法，该方法简 单说来，就是先构造一张"积分图"（Integral image也叫Summed Area Table),之后任何一 个化ar矩形特征都可W通过查表的方法和有限次简单运算得到，大大减少了运算次数。
[0化引将矩形表示为：
[0059] r=(x，y，w，h，a) 0《x，x+w《W，0《y，y+h《H，x，y>0，w，h>0，aG{0。，45。}
[0060] 其中，x，y表示起点坐标，w，h表示宽，高，a表示角度。
[0061 ] ①矩形内像素值之和表示为:RecSum(r)
[0062] ②构造积分图像(Summed Area Table)，见图3所示。
[0063] 积分图像中，每个点存储是其左上方所有像素之和：
[0064]
[0065] 其中，I(x，y)表示图像(x，y)位置的像素值。积分图像可W采用增量的方式计算：
[0066] SAT(x，y) =SAT(x，;y-l)+SAT(x-l，y)+I(x，y)-SAT(x-l，厂1)
[0067] 初始边界.SAT(-I，y) = SAT(X，-I) = SAT(-I，-I) = 0
[0068] 所W，只需要对整张图像遍历一次就可W求得运张图的积分图像。
[0069] 关于adaboost分类器。
[0070] adaboost分类器是利用分类能力一般的弱分类器通过一定的方法叠加(boost)起 来，构成分类能力很强的强分类器。Adaboost训练强分类器的算法描述如下：
[0071] 给定一系列训练样本(Xi，yi)，（X2，y2)，. . .（Xn，yn)，其中Xi表示第i个样本，yi=l时 为正样本(人脸），yi = O表示负样本(非人脸）。对每个特征featurej，训练一个弱分类器hj (X)，之后对每个特征生成的弱分类器计算权重误差：
[0072]
[0073] I加到强分类器中，并更新训练样本的概率分布：
[0074]
[0075] 样本Xi被正确分类，否则ei = l表示未被正确分类，最 终构成弓
[0076]
[0077] 其中b为设置的阔值，默认为0。
[007引级联强分类器的示意图见图4所示，将多个化ar-like特征FiF2…Fn联合起来形成 决策树，通过将输入数据与该多个化ar-1 Ae特征FiF2…Fn进行比较，判断符合的输出为人 脸(face),-级一级地比较不符合的输出为非人脸(not化Ce)。
[0079] Viola-Jones检测器利用瀑布(Cascade)算法分类器组织为筛选式的级联分类器， 级联的每个节点是AdaBoost训练得到的强分类器。在级联的每个节点设置阔值b，使得几乎 所有人脸样本都能通过，而绝大部分非人脸样本不能通过。节点由简单到复杂排列，位置越 靠后的节点越复杂，即包含越多的弱分类器。运样能最小化拒绝图像但区域时的计算量，通 知保证分类器的高检测率和低拒绝率。例如在识别率为99.9%，拒绝率为50%时，（99.9% 的人脸和50%的非人脸可W通过），20个节点的总识别率为：98%，而错误接受率仅为： 0.0001%.
[0080] 需要说明的是，本发明中，在判断存在行人，并获取行人轮廓并用包含里切克特征 的分类器对行人进行检测，判断该行人是否具有里切克特征时，其检测方法与所述前景检 测方法原理相同，只是输入的训练样本为包含里切克特征的图像。通过本步骤的检测即可 检测出行人是否具有里切克特征，并获得里切克目标在该帖图像中的位置及大小并标记。
[0081] 需要说明的是，本发明中，为了防止误检，在进行统计时，要W多帖图像为一个单 元进行统计检测出里切克特征的次数，当在预设的统计区域中，检测出里切克特征的次数 大于设定的阔值时进行报警提示，否则不报警，继续按上述方法进行检测。
[0082] 具体的可W是WlO帖图像为一个统计单元进行统计，其第一帖图像中检测出有里 切克特征，且在预设的统计区域中在后续的9帖图像中检测到里切克特征的次数大于5,则 输出报警，否则认为误检，继续检测。
[0083] 本发明中，所述统计区域是通过确定一个统计单位中的第一帖检测到的里切克特 征在图像中的位置及大小后，将该里切克特征所在矩形为中屯、，向外扩大，如扩大该矩形边 长的1/3形成一个扩大区域，将该扩大区域作为统计区域而形成的，该帖W后连续的多帖检 测均是在该扩大的预设的区域中进行，运样有利于防止漏检，提高检测精准度。
[0084] 本发明的目的还在于提供一种视频图像中里切克检测的系统，包括：
[0085] 感兴趣区域获取模块，用于获取一帖视频图像并设置该帖视频图像中待检测的感 兴趣区域；
[0086] 前景区域确定模块，用于对所述感兴趣区域按预设前景检测方法进行前景检测， 然后获取待检测的前景区域的大小与位置；
[0087] 行人检测模块，用于在所述前景区域进行行人检测，确定所述前景区域中是否存 在行人；
[0088] 里切克判断模块，用于检测出存在行人的情况下，获取行人轮廓并用包含里切克 特征的分类器对行人进行检测，判断该行人是否具有里切克特征；
[0089] 检测确认模块，用于在该行人具有里切克特征时，标记该行人并判断该行人在后 续预定数目图像帖中于预设的统计区域中内检测到具有里切克特征的图像帖数是否大于 预设误检帖数，并在判断是时输出报警提示。
[0090] 所述的视频图像中里切克检测的系统的实现方法与上述的视频图像中里切克检 测的方法相同，在此不再进行详细说明。
[0091] 本发明通过W上技术方案，可W快速地在视频图像中检测出图像中是否存在行 人，在判断为行人后快速地检测出行人具有里切克特征，并在确认后输出报警，为在视频图 像中快速检测具有里切克特征的行人提供了一种有效的检测识别方法。
[0092] W上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人 员来说，在不脱离本发明原理的前提下，还可W做出若干改进和润饰，运些改进和润饰也应 视为本发明的保护范围。
【主权项】
1. 一种视频图像中里切克检测的方法，其特征在于，包括以下步骤： 获取一帧视频图像并设置该帧视频图像中待检测的感兴趣区域； 对所述感兴趣区域按预设前景检测方法进行前景检测，然后获取待检测的前景区域的 大小与位置； 在所述前景区域进行行人检测，确定所述前景区域中是否存在行人； 若存在行人，则获取行人轮廓并用包含里切克特征的分类器对行人进行检测，判断该 行人是否具有里切克特征； 若该行人具有里切克特征，则标记该行人并判断该行人在后续预定数目图像帧中于预 设的统计区域中内检测到具有里切克特征的图像帧数是否大于预设误检帧数，若是则输出 报警提示。2. 根据权利要求1所述视频图像中里切克检测的方法，其特征在于，所述感兴趣区域为 该帧视频图像中清晰度符合预设清晰度值的人形区域。3. 根据权利要求2所述视频图像中里切克检测的方法，其特征在于，所述前景检测方法 为Vibe前景检测方法。4. 根据权利要求2所述视频图像中里切克检测的方法，其特征在于，所述获取待检测的 前景区域的大小与位置采用以下步骤： 将通过前景检测输出的二值化图像进行多次腐蚀并连通成一个区域，然后通过边缘检 测方法获得该前景区域的大小与位置。5. 根据权利要求3所述视频图像中里切克检测的方法，其特征在于，所述里切克特征是 Haar特征，所述分类器为Adaboost级联分类器。6. -种视频图像中里切克检测的系统，其特征在于，包括： 感兴趣区域获取模块，用于获取一帧视频图像并设置该帧视频图像中待检测的感兴趣 区域； 前景区域确定模块，用于对所述感兴趣区域按预设前景检测方法进行前景检测，然后 获取待检测的前景区域的大小与位置； 行人检测模块，用于在所述前景区域进行行人检测，确定所述前景区域中是否存在行 人； 里切克判断模块，用于检测出存在行人的情况下，获取行人轮廓并用包含里切克特征 的分类器对行人进行检测，判断该行人是否具有里切克特征； 检测确认模块，用于在该行人具有里切克特征时，标记该行人并判断该行人在后续预 定数目图像帧中于预设的统计区域中内检测到具有里切克特征的图像帧数是否大于预设 误检帧数，并在判断是时输出报警提示。7. 根据权利要求6所述视频图像中里切克检测的系统，其特征在于，所述感兴趣区域为 该帧视频图像中清晰度符合预设清晰度值的人形区域。8. 根据权利要求6所述视频图像中星月图案检测的系统，其特征在于，所述前景检测方 法为Vibe前景检测方法。9. 根据权利要求6所述视频图像中里切克检测的系统，其特征在于，所述获取待检测的 前景区域的大小与位置采用以下步骤： 将通过前景检测输出的二值化图像进行多次腐蚀并连通成一个区域，然后通过边缘检
【文档编号】G06K9/00GK106022279SQ201610363567
【公开日】2016年10月12日
【申请日】2016年5月26日
【发明人】张德馨
【申请人】天津艾思科尔科技有限公司