[发明专利]一种基于可信度的自更新人员入侵检测方法

说明书

本发明属于图像分析技术领域，公开了一种基于可信度的自更新人员入侵检测方法，所述基于可信度的自更新人员入侵检测方法根据时间位置复合可信度，对分类器得出的有人侵入的结果进行可信度判断，综合识别结果，最终得出是否有人侵入；用户对决策的判断结果进行反馈，判断识别结果是否有误；根据用户的反馈，对分类器和可信度进行动态更新。本发明通过引入用户的反馈，对分类器和可信度进行动态更新，从而不断优化识别结果，降低误报率。

技术领域

本发明属于图像分析技术领域，尤其涉及一种基于可信度的自更新人员入侵检测方法。

背景技术

在社会治安问题日益凸显的今天，城市安防应急系统的建设显得愈发重要，而图像智能分析技术可以节省人力，及时反馈异常信息，提高效率。人员检测是图像识别领域常用的一种异常判断处理方式。目前人员检测主要基于统计学习的方法，其中以HOG(梯度方向直方图Histogram of Oriented Gradient)特征+SVM(支持向量机，Support VectorMachine)的方式最为流行。提取大量图片的HOG特征，通过SVM进行训练，得到人员检测的分类器，然后使用分类器对图片进行识别，判断其中是否有人出现。该方法存在两个问题：1.分类器无法自动更新，没有持续学习的能力。2.误报率可观，尤其当背景变化或者亮度变化时，检测结果会受到很大影响。

综上所述，现有技术存在的问题是：现有的侵入检测系统一般为一次性训练分类器，并没有人工反馈和再次训练的机制，所以分类器无法自动更新，没有持续学习的能力；由于视频中场景和光照条件的变换，无自更新能力的系统无法适应，会导致误报率较高，检测结果准确率底。

发明内容

针对现有技术存在的问题，本发明提供了一种基于可信度的自更新人员入侵检测方法。

本发明是这样实现的，一种基于可信度的自更新人员入侵检测方法，所述基于可信度的自更新人员入侵检测方法根据时间位置复合可信度，对分类器得出的有人侵入的结果进行可信度判断，综合识别结果，最终得出是否有人侵入；用户对决策的判断结果进行反馈，判断识别结果是否有误；根据用户的反馈，对分类器和可信度进行动态更新。

进一步，所述基于可信度的自更新人员入侵检测方法包括以下步骤：

步骤一，针对场景准备样本集合：包括正样本集合和负样本集合；正样本为单个多姿态多尺度不同衣着的人截图，负样本是相应场景中所包含的各种背景以及经常出现的非人的物品截图；

步骤二，计算所有正样本和负样本中图片的HOG特征，通过SVM算法对图片进行分类，得到图片分类器，并初始化各项参数；

步骤三，截取摄像头视频流的单帧图片，计算图片的HOG特征，并作为输入传入图片分类器进行运算，得到结果；如果判定没有人，则继续识别下一帧图片；否则，转到步骤四；

步骤四，根据识别到有人的时间t，以及识别到的人的位置d，确定可信度X_td，并根据X_td确定是否将识别结果作为人员入侵提醒用户，如果作为人员入侵，则转步骤五，否则转步骤三；

步骤五，经过步骤四之后，对用户进行人员入侵提醒，同时由用户判断步骤四的识别结果是否正确，并对系统进行相应反馈，更新分类器和可信度；

步骤六，判断是否需要重新训练分类器，如果更新分类器条件不满足，则转步骤三；否则将此前步骤五中积攒的负样本集并入训练样本集，转步骤三同时并行步骤七重新训练图片分类器；

步骤七，根据步骤六中的得到的新的样本集利用算法重新训练分类器，并初始化各项参数，并用新的分类器替换旧的分类器。

所述步骤四进一步包括：

(1)从时间和空间维度对分类器的识别结果做可信度划分；