[发明专利]一种基于级联结构的会场内座位状态检测方法

摘要

本发明公开了一种会场内座位状态的检测方法，该方法包括以下步骤：预处理、座位粗分类、座位细分类、结果校正。具体可描述为：对给定视频序列的每一帧图像，以手工标定的方法获取每个座位的位置区域；对每个座位区域，用已训练好的粗分类器判断该座位是否为未被任何物体遮挡的全空座位；对剩余的疑似有人座位，用已训练好的细分类器判断该座位是否为有人座位；对每帧的检测结果，利用前后多帧的检测结果进行滤波，并利用一段时间内座位的运动信息对少量的误检测进行校正，由此获取最终的稳定检测结果。本发明无需通过检测人来确定座位上是否有人，可显著降低算法复杂度，提高检测的速度和精度，可广泛应用于智能视频监控系统、会场智能服务系统。

主权项

一种基于级联结构的会场内座位检测方法，其特征在于，该方法包括以下步骤：步骤1，对在会场内采集到的视频序列中的每帧图像数据进行高斯平滑滤波以消除噪声的影响；步骤2，基于所述步骤1滤波后得到的图像数据，用预先人工标定好的座位位置获取每个座位的座位区域，每个座位区域即为一个座位块；步骤3，基于会场背景视频建立背景模型；步骤4，基于所述步骤3建立的背景模型，将每个座位块与其对应的背景区域做差分，获取表示该座位块与背景之间的差异的全局特征；步骤5，选取全空座位作为正样本，被遮挡的座位和有人座位作为负样本，建立训练样本库，提取每个样本的全局特征，训练得到粗分类器，根据所述步骤4提取出的每个座位块的全局特征，用所述粗分类器判断每个座位块是否为未被任何物体遮挡的全空座位，并将全空座位标记为+1，将被遮挡的空座位和有人座位标记为‑1；步骤6，对于所述步骤5中标记为‑1的座位块，提取其加权梯度方向直方图特征；步骤7，将所述步骤6得到的每个标记为‑1的座位块的加权梯度方向直方图特征与其局部二值模式LBP特征融合，获得该座位块的最终纹理特征；步骤8，在训练样本库中选取局部被遮挡、以及放有衣服或包的空座位作为正样本，选取有人座位作为负样本，提取每个样本的最终纹理特征，训练得到细分类器，根据所述步骤7提取得到的每个座位块的最终纹理特征，使用所述细分类器检测所述座位块是否有人就座，并将无人就座的座位标记为+1，有人就座的座位标记为‑1；步骤9，基于对每帧图像的检测结果，在一较短时间内，对该时间期间根据所述步骤8得到的每个座位块的所有帧的检测结果进行中值滤波，以消除因分类错误而引起的检测结果不稳定；步骤10，在一较长时间内，对该时间内经中值滤波后的每个座位块的 所有帧做帧间差分，未检测到有运动信息的座位标记为空座位，从而获得对每个座位的最终检测结果。