[发明专利]一种人体检测的方法和装置

说明书

技术领域

本发明涉及模式识别技术，具体涉及一种人体检测的方法和装置。

背景技术

随着计算机技术的迅速发展，计算机处理能力得到了大幅度的提升，出现了模式识别、运动检测等许多新兴的技术手段，其中，人体检测作为模式识别技术的一种，在越来越多的领域得到了广泛的应用。

人体检测，是指从静态或视频图像中获取一定区域中存在的人体数目、位置和大小。人体检测技术在智能视频监控、智能交通管理、视频分析和图片检索等各领域有着重要的实用价值。人体检测技术主要分为两类，包括：

一、启发式规则方法

该方法根据人体的外在形状和颜色等特点，设定一定的规则来获取人体区域。这类方法由于其固有的内在缺陷造成适应性较差，当外部的光照条件、使用场合的背景等因素发生变化时，会严重影响检测的精度，因此此类方法应用场景比较局限。

二、分类器训练方法

该方法采集在各种不同的光照条件、背景环境和各种姿态条件下的人体样本，采用模式识别领域普遍使用的分类器训练的方法进行训练，得到人体区域的模型，再利用该模型对未知的图像或视频进行判定。由于该方法相对第一类方法具有更好的检测效果，从而得到了广泛使用。

近年来，自适应增强算法(Adaboost)作为模式识别领域的一种重要的分类器设计方法取得了包括人脸检测等在内的大量成功应用，该方法实现简单且检测速度较快。曾有方案提出将成功用于人脸检测领域的基于微结构特征和Adaboost的方法用于人体检测，虽然所述方案的检测速度较快，但是检测效果却不够理想，无法满足实用的要求。

此外，支持向量机(SVM)是另一种广泛使用的分类器，该分类器相对Adaboost具有更佳的泛化能力，同样有人尝试采用基于SVM分类器的人体检测算法，也获得了很好的检测效果，但是由于该方法未采用层次性结构，同时还存在着检测速度极慢的致命问题，从而使该方案无法应用于实时运行的系统中，因此大大限制了该方案的应用场景。

由上可见，现有技术无法兼顾人体检测的速度和精度，因而无法兼顾检测速度和检测精度。

发明内容

本发明实施例提供一种人体检测的方法和装置，能够同时提供良好的检测效果和较快的检测速度。

为达到上述目的，本发明的技术方案具体是这样实现的：

一种人体检测的方法，该方法包括：

计算检测图像的边缘强度和离散化边缘方向；

根据所述边缘强度和离散化边缘方向，计算预设的检测框内图像的边缘方向直方图；

利用层次型自适应增强算法Adaboost分类器对所述边缘方向直方图进行验证，得到所述检测框内的人体位置。

所述计算检测图像的边缘强度和离散化边缘方向之前进一步包括：

设定对于检测图像进行检测的尺度，分别获取各尺度下的图像；

所述计算检测图像的边缘强度和离散化边缘方向为：

对每个尺度的图像，执行所述计算检测图像的边缘强度和离散化边缘方向。

所述设定对于检测图像进行检测的尺度，分别获取各尺度下的图像的方法为：

设定检测图像的放缩尺度，根据设定的尺度的个数将输入图像的长度和宽度按照所述的放缩尺度分别进行指定次数的放缩，得到对应的各尺度下的图像；

或设定检测图像的放缩尺度，利用输入图像进行迭代放缩，依次得到各尺度下的图像。

对每个尺度的图像，执行所述计算检测图像的边缘强度和离散化边缘方向之后进一步包括：

在水平和垂直方向遍历该尺度的图像，得到所有候选检测框的位置。

所述计算检测图像的边缘强度和离散化边缘方向的方法为：

计算当前尺度下的检测图像中各像素点的水平、垂直边缘，对所述水平、垂直边缘进行离散化，得到各像素点的边缘强度和离散化边缘方向。

所述计算当前尺度下的检测图像中各像素点的水平、垂直边缘的方法为：

采用sobel或prewitt算子的水平、垂直方向的检测模板计算图像中各像素点的水平、垂直边缘，所述模板中的各元素为表示该元素所代表的像素点的向量，所述向量为m维颜色空间中的颜色向量，m为自然数。

对所述水平、垂直边缘进行离散化，得到各像素点的边缘强度和离散化边缘方向的方法为：

将180度的范围等分为N个区间，N为自然数；