基于头肩深度信息特征的人体目标检测方法
【专利摘要】一种基于头肩深度信息特征的人体目标检测方法。其包括在监控场景下选取大量头肩区域和非头肩区域的深度图像作为样本图像；将样本图像归一化成同一尺寸大小；从样本图像中提取出HOG特征；将HOG特征送入SVM分类器以训练出头肩分类器；采用背景减除法对待检测的深度图像进行前景提取，得到前景深度图像；在前景深度图像中提取出头肩候选区域；对上述头肩候选区域中的头肩特征进行提取及识别，从而检测出人体目标等步骤。本发明提供方法的优点是可有效克服光照变换和背景复杂等干扰，因此能够提高人体目标检测准确率。
【专利说明】基于头肩深度信息特征的人体目标检测方法
【技术领域】
[0001]本发明属于智能识别【技术领域】，特别是涉及一种基于头肩深度信息特征的人体目标检测方法。
【背景技术】
[0002]人体目标检测在智能监控领域具有广泛的应用，目前对图像进行人体目标检测的方法多是基于普通光学摄像头所拍摄的二维图像。由于二维图像中缺失空间深度信息，因此仅能根据图像中目标与背景的亮度、纹理等差异进行目标的检测。因此光照的强弱或是背景复杂都将给目标的检测带来严重的困扰。目前也开始出现了一些结合深度信息的人体检测方法，但是由于这些方法不完善，因此在实践中也极易出现检测错误。中国发明专利申请第201110026465.0号中公开了一种使用深度信息的人体目标检测方法，该方法利用深度图像像素来提取图像特征，但是其中并未具体提及所提取的人体特征以及实现方法。
[0003]另外，在实践中，由于遮挡的缘故，我们常常无法对整个人体进行建模，而只能通过人体的局部特征去识别人体目标。由于头肩作为一个显著的特征不易被遮挡，因而对检测人体有较好的辅助作用。中国发明专利申请第201210208246.9,201110305285.6和201310227247.2中分别公开了一种头肩检测方法，虽然这三种方法都是从二维图像中提取头肩相关特征，但该类方法受光照变化、背景复杂的影响较大，从而导致误检率高。
【发明内容】
[0004]为了解决上述问题，本发明的目的在于提供一种可有效克服光照变换和背景复杂等干扰，能够提高人体目标检测准确率的基于头肩深度信息特征的人体目标检测方法。
[0005]为了达到上述目的，本发明提供的基于头肩深度信息特征的人体目标检测方法包括按顺序进行的下列步骤:
[0006]I)在监控场景下选取大量深度图像作为样本图像，包括头肩区域和非头肩区域；
[0007]2)将上述样本图像归一化成同一尺寸大小；
[0008]3)从上述样本图像中提取出HOG特征；
[0009]4)将上述提取出的HOG特征送入SVM分类器以训练出头肩分类器；
[0010]5)采用背景减除法对待检测的深度图像进行前景提取，得到前景深度图像；
[0011]6)在前景深度图像中提取出头肩候选区域；
[0012]7)对上述头肩候选区域中的头肩特征进行提取及识别，从而检测出人体目标。
[0013]在步骤I)中，所述的选取大量深度图像的方法是在深度摄像头安装在监控区域上方，以垂直向下视角进行监视的监控场景下，选取大量的深度图像，然后在其上人工标定出头肩区域作为训练正样本图像；同样标定出大量的非头肩区域作为训练负样本图像。
[0014]在步骤3)中，所述的从样本图像中提取出HOG特征的方法是:首先计算样本图像的梯度和方向，然后将样本图像划分成若干个小的单元格，单元格大小为mXm像素，统计每个单元格的方向梯度直方图，形成每个单元格的描述子；将qXq个单元格组成一个方向块，将该方向块内所有单元格的描述子串联起来表示成该方向块的HOG描述子；最后将整幅样本图像中所有方向块中的HOG描述子串联起来得到该样本图像的HOG特征。
[0015]在步骤5)中，所述的采用背景减除法对待检测的深度图像进行前景提取，得到前景深度图像的方法是:设背景深度图像为Bd(X，y),当前帧的待检测深度图像为Id(x，y)，直接对二者做差求得前景掩模图像M(x，y)为:
【权利要求】
1.一种基于头肩深度信息特征的人体目标检测方法，其特征在于:所述的人体目标检测方法包括按顺序进行的下列步骤: 1)在监控场景下选取大量深度图像作为样本图像，包括头肩区域和非头肩区域； 2)将上述样本图像归一化成同一尺寸大小； 3)从上述样本图像中提取出HOG特征； 4)将上述提取出的HOG特征送入SVM分类器以训练出头肩分类器； 5)采用背景减除法对待检测的深度图像进行前景提取，得到前景深度图像； 6)在前景深度图像中提取出头肩候选区域； 7)对上述头肩候选区域中的头肩特征进行提取及识别，从而检测出人体目标。
2.根据权利要求1所述的人体目标检测方法，其特征在于:在步骤I)中，所述的选取大量深度图像的方法是在深度摄像头(I)安装在监控区域上方，以垂直向下视角进行监视的监控场景下，选取大量的深度图像，然后在其上人工标定出头肩区域作为训练正样本图像；同样标定出大量的非头肩区域作为训练负样本图像。
3.根据权利要求1所述的人体目标检测方法，其特征在于:在步骤3)中，所述的从样本图像中提取出HOG特征的方法是:首先计算样本图像的梯度和方向，然后将样本图像划分成若干个小的单元格，单元格大小为mXm像素，统计每个单元格的方向梯度直方图，形成每个单元格的描述子；将qXq个单元格组成一个方向块，将该方向块内所有单元格的描述子串联起来表示成该方向块的HOG描述子；最后将整幅样本图像中所有方向块中的HOG描述子串联起来得到该样本图像的HOG特征。
4.根据权利要求1所述的人体目标检测方法，其特征在于:在步骤5)中，所述的采用背景减除法对待检测的深度图像进行前景提取，得到前景深度图像的方法是:设背景深度图像为Bd(x，y)，当前帧的待检测深度图像为Id(x，y)，直接对二者做差求得前景掩模图像M(x, y)为:
5.根据权利要求1所述的人体目标检测方法，其特征在于:在步骤6)中，所述的在前景深度图像中提取出头肩候选区域的方法是:使用Canny算子检测出前景深度图像中边缘，再使用hough变换从边缘图像中检测出类圆环区域作为头部候选区域，再以3倍于头部半径的长度扩充头部候选区域作为候选头肩区域。
6.根据权利要求1所述的人体目标检测方法，其特征在于:在步骤7)中，所述的对头肩候选区域中的头肩特征进行提取及识别，从而检测出人体目标的方法是:将上述头肩候选区域进行缩放处理，达到与样本图像统一尺寸，并按照上述训练分类器时提取HOG特征的方法提取出头肩候选区域的HOG特征，然后将HOG特征送入上述预先训练好的SVM分类器中进行识别，从而检测出人体目标。
【文档编号】G06K9/66GK103971135SQ201410185282
【公开日】2014年8月6日 申请日期:2014年5月5日 优先权日:2014年5月5日
【发明者】张良, 邓涛 申请人:中国民航大学