[发明专利]一种人头检测的方法

摘要

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。

主权项

1.一种人头检测的方法，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；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；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；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)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），以下表述中对应的公式符号均表示相同意义；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) ；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；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)上式（6）中T为最终人头分类所采用的阈值，w1与w2分别为先验概率图对应位置匹配分数与检测器对应位置分数的加权值；此处得到的先验概率图与人头检测器结果进行加权并通过融合与过滤就可以获得最终的人头检测结果。