[发明专利]一种基于计算机视觉的快速行人检测方法

说明书

技术领域

本发明涉及图像处理技术领域，更具体地，涉及一种基于计算机视觉的快速行人检测方法。

背景技术

智能视频监控技术是计算机视觉领域近年来新兴的一个研究方向，它是一种基于人工智能的计算视觉技术，以场景中的运动目标作为分析对象，其中运动目标包括行人、车辆、动物等。由于人是社会活动的主体，所以以行人作为目标的检测在智能视频监控领域越来越受到研究人员们的关注。

在安全方面，智能视频监控系统通过摄像头获取监控场景的视频图像，并对得到的图像进行处理，当场景中出现可疑的人或事件时进行报警，从而阻止犯罪和灾难性事件的发生，保证人民群众的生命财产安全；在交通应用上，通过在车辆上安装行人检测装置提高车辆驾驶的安全性来减少车祸的发生，同时也可以检测交通中行人的违法和不安全行为。在一些特定领域视频监控系统必须快速的检测并识别出行人目标，并发出警告信号。例如军事基地，监狱，高速公路等场景。

目前大多数人体跟踪算法都需要已知目标的初始位置(如通过人机交互方式),而实用的跟踪系统需要自动定位初始目标,这就需要人体检测算法的支持。检测人体目标比检测其他目标更具挑战性。在行人检测的技术方法上，国内普遍采用基于单目视觉的方法，利用人体边缘、纹理等特征建立模板并综合运用神经网络、支持向量机、级联检测器这些机器学习方法。但现有的单目视觉方法鲁棒性不高，且实时性无法满足检测行人安全状态的需求。国外行人检测所使用的主流方法是机器视觉算法和传感器结合，但在混合交通条件下进行行人检测仍然是一个很大的挑战，首先是受光照和天气的影响较大。因此，如何有效的提出一种应对行人姿态多变和环境条件复杂的快速行人检测算法变得非常的重要。

发明内容

为了解决现有技术中因环境和人为因素干扰造成目标识别率低和目标检测实时性差的问题，本发明提出了一种基于计算机视觉的快速行人检测方法。

本发明是通过以下技术方案实现的，本发明包括以下步骤：

步骤1：用摄像机提取监控场景中目标运动过程的视频图像，并将摄像机采集到的图像实时传送给后台计算机；

步骤2：运动目标检测：把通过视频采集器获取的实时视频图像传送给计算机，计算机对实时接收的图像序列采用改进的ViBe算法进行背景建模，通过比较这个模型与当前帧图像来分割出前景目标。

所述的背景建模的具体步骤包括：

1）在视频序列图像中，对单帧图像中每个像素进行背景模型的初始化。

2）对后续输入的帧图像进行前景目标的分割，同时对像素的背景模型进行更新。

3）对被判定为背景像素的点的邻域像素进行随机选择性更新。

步骤3：轮廓最高点检测：提取出前景信息后，对各目标块进行标记，利用轮廓信息得到最高的坐标值。

所述的最高点坐标计算是指：对边缘轮廓坐标进行求导计算得到目标区域最高点坐标，由于行人轮廓的下半部分不包括最高点信息，所以在计算轮廓信息时只对上半部分轮廓坐标求导计算。

所述上半部分轮廓是指：在对目标前景提取后，对提取出的前景区域用最小矩形进行标示，以矩形的中心作为目标的中心，从目标中心到轮廓最高点这部分轮廓称为目标区域的上半部分轮廓。

步骤4：根据轮廓特征点和头部检测器来定位和检测出行人目标：在求得各目标轮廓最高点后，根据轮廓最高点确定头部候选区，使用目标检测窗口对头部候选区进行遍历，得到待检测样本，然后将待检测样本输入训练好的复合头部检测器，判断其是否为头部目标，以此来判定是否为行人目标。

在一般情况下目标块轮廓的最高点为行人目标的头部位置，所以求取最高点坐标后在该点下方指定范围进行搜索，相比对整个目标块进行遍历的方法降低了时间复杂度，提高检测识别效率。采用滑动可变的头部检测窗口对指定区域进行遍历，检测到头部目标后将待检测样本输入训练好的复合头部检测器，对样本进行判定，从而检测出行人目标。

步骤4中使用的训练好的复合头部检测器是采用Adaboost算法进行训练，即在不同的场景中从不同角度采集行人头部图像建立头部检测器训练样本库，头部检测器包括头顶检测器、正面检测器、侧面检测器和后脑勺检测器四个子检测器，采用Adaboost算法对各子检测器进行训练，再将子检测器级联组成最终的复合头部检测器。