[发明专利]一种基于高斯形状特征的人体检测方法

说明书

技术领域

本发明属于计算机视觉与模式识别领域，具体涉及一种基于高斯形状特征的人体检测方法。

背景技术

图像识别中人体检测问题是对象检测领域最困难的问题之一，人体检测的关键是要设计合适的图像特征来区别人体和背景，以及设计合适的学习方法进行分类。目前，Haar特征在人脸检测中得到了成功应用，很多研究者将它应用到人体检测上来，如Oren等利用重叠的Haar特征训练支持向量机(Support Vector Machine，SVM)进行人体检测，见M.Oren，C.Papageorgiou，P.Sinha，E.Osuna，and T.Poggio.Pedestriandetection using wavelet templates.IEEE Conference on Computer Vision andPattern Recognition，1997；Viola等将Haar特征扩展以描述连续帧的变化信息，见P.Viola，M.J.Jones，and D.Snow.Detecting pedestrians usingpatterns of motion and appearance.International Journal of Computer Vision，63(2)：247-266，November 2007，这种方法的检测速度为4帧每秒左右，在摄像机静止且光照缓慢变化的情况下比较简单和有效，但是该方法不适合于运动摄像机的场合，由于摄像机运动，连续几帧的背景发生了变化，该方法的误报率非常高。另外人的衣着的变化，颜色、纹理等特征都会随着变化，因此，人的身体轮廓形状是检测人体的关键特征。近几年研究者们致力于设计能够更加有效地从图像中提取人体轮廓形状的特征，并基于这些特征设计人体检测算法，如Bo Wu等提出的Edgelet特征，通过对局部的图像底层梯度值进行变换得到局部的轮廓特征，利用Adaboost算法从大量的局部特征中选择一部分最有效的特征构成分类器，进行人体检测，见B.Wu and R.Nevatia.Detection and tracking ofmultiple，partially occluded humans by Bayesian combination of edgeletbased part detectors.International Journal of Computer Vision，75(2)：247-266.2007；Ying Wu等提出了一种基于马尔科夫随机场(Random Markov Field)的人体检测算法，利用随机场来描述人体的轮廓特征，见Y.Wu，T.Yu.Afield model for human detection and tracking.IEEE Transaction on PatternAnalysis and Machine Intelligence，28(5)：753-765，2006；Dalal和Triggs于2005年提出基于方向梯度直方图(Histogram of Oriented Gradients，HOG)特征和支持向量机的人体检测算法具有里程碑意义，见N.Dalal and B.Triggs.Histograms of oriented gradients for human detection.IEEEConference on Computer Vision and Pattern Recognition，2006，该方法使用直方图来描述局部的图像梯度方向的分布，从而得到图像局部的边缘走向，许多这样的局部特征组合在一起就描述了人体轮廓的形状特征。该方法与以前的算法相比，检测率有非常大的提高，但检测速度较慢，不能达到实时检测。Cascade结构在人脸检测中被实验证明是一种能够有效提高检测速度的工具。其主要原理是利用对象问题中的不对称性(扫描一张图片可以得到10000个左右的检测窗口，但是其中只有少量几个窗口是人)，通过在初期利用少量的特征将大量的检测窗口排除，降低在检测时总的分类比较次数，从而提高检测速度。Tuzel等设计出协方差特征，并在训练人体检测器时对特征进行映射，检测率比Dalal和Triggs的方法好，但速度较慢，见O.Tuzel，F.Porikli and P.Meer.Human detection viaclassification on Riemannian manifolds.IEEE Conference on ComputerVision and Pattern Recognition，2007。

发明内容