[发明专利]一种基于累加感知机的人体上半身检测方法

说明书

技术领域

本发明涉及图像处理技术，特别涉及图像特征提取和目标检测技术。

背景技术

人体检测技术是智能视频监控技术领域的关键组成部分，该技术通过监控摄像头传来的视频流数据，分析出当前监控场景中的人体目标所处的位置。人体检测方法的准确性，将直接影响监控系统后级的入侵者及异常行为识别算法的性能。在实际应用中，人体目标的具有多种姿态，人的服饰与环境的光线也比较复杂，这对人体检测方法精确性及鲁棒性提出了较高要求。详见文献：Moeslund T B,Granum E.A survey of computer vision-based human motion capture[J].Computer Vision and Image Understanding,2001,81(3):231-268.

当前，主流的人体检测方法主要分为三类：

1、基于背景建模的方法：对于室内场景的智能监控而言，摄像头通常是固定的，且人体往往是主要的运动目标，基于背景建模的方法通过一段时长的监控视频流，计算出当前场景的背景模型。通过该背景模型，就能将运动的目标进行定位。该方法计算速度很快，适合在硬件平台上实现，但是由于没有专门地对人体目标进行判定，所以常有将其它运动目标(例如动物)当作人体的误检的情况发生，详见文献：Piccardi M.Background subtraction techniques:a review[C]//Systems,man and cybernetics,IEEE international conference on.IEEE,2004,4:3099-3104.

2、基于统计学习的方法：此类方法通过一个基于统计学习的分类器，对视频图像中的各个尺度的各个位置进行分类判定，这类方法可以做到较为准确的人体检测，但是算法性能依赖于输入分类器的图像特征的选择，以及分类器的训练与设计。只有好的图像特征与高性能的分类器相结合，才能产生好的效果，详见文献：Viola,Paul,and Michael Jones.Rapid object detection using a boosted cascade of simple features[C]//Computer Vision and Pattern Recognition,IEEE Computer Society Conference on.IEEE,2001,Vol.1:511-518.

3、基于立体视觉匹配的方法：如果监控系统中含有多台摄像机，可以采用基于立体视觉的方法，通过将多摄像机的画面融合起来进行重构，计算出人体在场景中的三维位置信息。这种方法较为新颖，通过图像的匹配与综合，获取到多有用的信息，缺点是计算速度过慢，不适宜在对性能要求较高的场景下使用，详见文献：Bertozzi M,Binelli E,Broggi A,et al.Stereo vision-based approaches for pedestrian detection[C]//Computer Vision and Pattern Recognition-Workshops,IEEE Computer Society Conference on.IEEE,2005:16-16.

发明内容

本发明所要解决的技术问题是，提供一种将传统的感知机算法级联用以人体上半身检测的方法。

本发明为解决上述技术问题所采用的技术方案是，一种基于累加感知机的人体上半身检测方法，包括以下步骤：

训练步骤：

步骤1)构造训练样本集；训练样本中的正样本为人体上半身图片，负样本为各种视频场景中不包含人体的区域，正样本数量小于负样本数量；

步骤2)累加感知机训练；确定感知机数量N，利用口袋Pocket算法按顺序训练N个感知机及它们对应的累加阈值，具体包括以下步骤：

2-1)输入训练用的正负样本；将训练样本中的正、负样本作为第1级感知机的正、负样本的输入，之后，将第i级感知机错误分类的正、负样本作为第i+1级感知机的正、负样本的输入；i＝1,2...N-1；

2-2)每个感知机都采用Pocket算法进行训练，N级感知机训练完成后得到第i级感知机对应的感知机参数w_i,i＝1,2...N；