[发明专利]一种人头检测的方法

说明书

一种人头检测的方法，属于图像处理技术领域。包括以下步骤：对输入的视频图像进行前景提取同时将每帧图像缩放到不同的尺寸，对每个固定尺寸的图像窗口提取像素差特征送入Adaboost多视角分类器进行人头检测，采用人头模型对前景掩码进行匹配生成人头先验概率图，先验概率图与Adaboost多视角分类器结果进行加权得到最终结果。上述一种人头检测的方法，采用像素差特征和人头先验模型在检测实时性和准率上都有一个较大提升。

技术领域

本发明属于图像处理技术领域，具体为一种人头检测的方法。

背景技术

图像处理系统中，目标检测是一个普遍而重要的方面，人头检测更是应用广泛。CN103020706 A、一种基于运动目标检测与Haar特征的人流量统计算法提出了一种采用Adaboost+Haar特征的检测器与运动目标检测结合的方案，其中运动检测仅仅作为一种限定检测区域的辅助，在检测效率上有一些提高但准确率仍然有待提高；CN102004924 A、一种人头检测系统及方法则采用了一种分块LBP特征进行检测，效果还算可以，实时性却远无法满足要求。

发明内容

针对现有技术中存在的上述问题，本发明的目的在于设计提供一种人头检测的方法的技术方案，该方法采用像素差特征和人头先验模型在检测实时性和准率上都有一个较大提升。

所述的一种人头检测的方法，其特征在于包括以下步骤：对输入的视频图像进行前景提取同时将每帧图像缩放到不同的尺寸，对每个固定尺寸的图像窗口提取像素差特征送入Adaboost多视角分类器进行人头检测，采用人头模型对前景掩码进行匹配生成人头先验概率图，先验概率图与Adaboost多视角分类器结果进行加权得到最终结果。

所述的一种人头检测的方法，其特征在于对输入的图像数据，根据设定的最大最小人头尺寸按照一定的缩放比率构建图像金字塔，对金字塔上的每个图像进行窗口扫描，提取每个窗口内的像素差特征，并用Adaboost进行分类。

所述的一种人头检测的方法，其特征在于上述Adaboost多视角分类包括正面人头分类器、背面人头分类器、左侧面人头分类器、右侧面人头分类器、顶视人头分类器，各个视角分类器分别对扫描窗口进行判定，如果通过一个或者多个分类器则可以认为扫描窗口为候选人头窗口。

所述的一种人头检测的方法，其特征在于人头分类器采用的像素差特征，仅仅使用像素差对即可生成特征，也可以采用多个像素对联合而产生其他变种特征，公式（1）即为最基本的像素对差值特征：

(1)

为了对于光线的变化有更好的适应性，采用韦伯法则对上述特征进行归一化，如公式（2），

(2)；

上述公式中，F表示提取的像素差特征值，P（i，j）代表图像中第i行第j列的位置上对应的像素值，同理P（m，n）。

所述的一种人头检测的方法，其特征在于前景的提取采用均值背景差分、中值背景差分、混合高斯模型或VIBE方法，优选VIBE方法。

所述的一种人头检测的方法，其特征在于采用离线生成的人头模型对前景图像进行匹配得到人头先验概率图；离线人头模型，采用高斯椭圆模型，公式3；或者中心距离模型，公式4；

(3)

(4)

(5)

上式（5）中Model(i,j)取高斯模型或者取中心距离模型，foreground(i,j)则表示前景图中i行j列位置上的像素值，零为背景非零则为前景；

(6)