国产精品1024永久观看,大尺度欧美暖暖视频在线观看,亚洲宅男精品一区在线观看,欧美日韩一区二区三区视频,2021中文字幕在线观看

  • <option id="fbvk0"></option>
    1. <rt id="fbvk0"><tr id="fbvk0"></tr></rt>
      <center id="fbvk0"><optgroup id="fbvk0"></optgroup></center>
      <center id="fbvk0"></center>

      <li id="fbvk0"><abbr id="fbvk0"><dl id="fbvk0"></dl></abbr></li>

      一種基于多粒度特征的行人檢測(cè)方法

      文檔序號(hào):9888709閱讀:472來源:國知局
      一種基于多粒度特征的行人檢測(cè)方法
      【技術(shù)領(lǐng)域】
      [0001] 本發(fā)明屬于計(jì)算機(jī)視頻圖像處理技術(shù)領(lǐng)域,特別涉及一種基于多粒度特征的行人 檢測(cè)方法。
      【背景技術(shù)】
      [0002] 隨著計(jì)算機(jī)技術(shù)和圖像處理技術(shù)的發(fā)展,基于視頻的智能監(jiān)控系統(tǒng)得到了廣泛的 應(yīng)用。在保障社會(huì)公共安全和交通安全方面、保護(hù)人民生命財(cái)產(chǎn)安全方面、在工業(yè)控制領(lǐng)域 保障安全生產(chǎn)和產(chǎn)品檢測(cè)方面以及有關(guān)商業(yè)領(lǐng)域方面都發(fā)揮著巨大的作用。目前,智能視 頻監(jiān)控系統(tǒng)的應(yīng)用主要在安全防控領(lǐng)域和非安全防控領(lǐng)域。公共場(chǎng)所人群監(jiān)控、道路交通 安全監(jiān)控、工業(yè)生產(chǎn)安全監(jiān)控等都屬于安全防控領(lǐng)域的應(yīng)用。非安全領(lǐng)域有:商業(yè)領(lǐng)域、工 業(yè)產(chǎn)品檢測(cè)、公共交通系統(tǒng)等。
      [0003] 然而,在實(shí)際使用中,基于行人輪廓的一維描述的現(xiàn)有技術(shù)在識(shí)別效率與檢測(cè)精 度上都不甚理想。因此,有必要對(duì)現(xiàn)有技術(shù)中的行人檢測(cè)方法提出改進(jìn)。

      【發(fā)明內(nèi)容】

      [0004] 本發(fā)明的目的在于公開一種基于多粒度特征的行人檢測(cè)方法,用以提高對(duì)公共區(qū) 域內(nèi)對(duì)行人進(jìn)行人數(shù)統(tǒng)計(jì)的效率與準(zhǔn)確度。
      [0005] 為實(shí)現(xiàn)上述發(fā)明目的,本發(fā)明提供了一種基于多粒度特征的行人檢測(cè)方法,包括 以下步驟:
      [0006] S1、提取訓(xùn)練樣本集中的多粒度特征向量;
      [0007] S2、基于Gentle Adaboost級(jí)聯(lián)算法對(duì)所述多粒度特征向量進(jìn)行訓(xùn)練,得到行人級(jí) 聯(lián)分類器;
      [0008] S3、利用行人級(jí)聯(lián)分類器對(duì)自監(jiān)控區(qū)域獲取的輸入圖像進(jìn)行行人檢測(cè);
      [0009] S4、基于EKM算法對(duì)步驟S3中檢測(cè)到的行人進(jìn)行跟蹤和計(jì)數(shù)。
      [0010] 作為本發(fā)明的進(jìn)一步改進(jìn),所述步驟S1具體包括以下子步驟:
      [0011] S11、對(duì)訓(xùn)練樣本進(jìn)行梯度計(jì)算以得到梯度圖像;
      [0012] S12、根據(jù)不同的粒度參數(shù)對(duì)梯度圖像進(jìn)行描述;
      [0013] S13、提取多粒度特征;
      [0014] S14、將圖像基元在霍夫空間與圖像空間之間通過方向劃分和/或空間劃分的方 式建立映射與反映射關(guān)系;
      [0015] S15、計(jì)算多粒度特征中的所有特征向量。
      [0016] 作為本發(fā)明的進(jìn)一步改進(jìn),所述子步驟S12中對(duì)梯度圖像進(jìn)行描述的計(jì)算公式 為
      ;其中,
      [0017]
      是從梯度圖像空間I到多粒度特征空間Π τ的一個(gè)映射;τ是粒度參 數(shù);是用來控制映射類型的特征參數(shù);Α>Τ是梯度圖像的一個(gè)多粒度特征的分量。
      [0018] 作為本發(fā)明的進(jìn)一步改進(jìn),所述子步驟S13具體為首先將把梯度圖像解析成預(yù)先 定義的形狀基元和/或結(jié)構(gòu)基元,然后對(duì)所述形狀基元和/或結(jié)構(gòu)基元進(jìn)行多粒度特征提 取操作。
      [0019] 作為本發(fā)明的進(jìn)一步改進(jìn),所述子步驟S13中的多粒度特征包括精細(xì)粒度特征與 粗糙粒度特征。
      [0020] 作為本發(fā)明的進(jìn)一步改進(jìn),所述子步驟S14中的方向劃分具體為:將旋轉(zhuǎn)不確定 性參數(shù)τ e映射回到圖像空間中,所述子步驟S14中的空間劃分具體為:把平移不確定性參 數(shù)τ p映射回到圖像空間中。
      [0021] 作為本發(fā)明的進(jìn)一步改進(jìn),所述子步驟S15具體為:利用積分圖快速計(jì)算多粒度 特征中的所有特征向量。
      [0022] 作為本發(fā)明的進(jìn)一步改進(jìn),所述積分圖計(jì)算多粒度特征中的所有特征向量的過程 中,限定所述多粒度特征在霍夫空間中以點(diǎn)(θ。,P。)為中心所形成的矩形區(qū)域R的寬度 wE {4,5,6,8,9,10,12}。
      [0023] 作為本發(fā)明的進(jìn)一步改進(jìn),所述訓(xùn)練樣本集包括正/負(fù)樣本集,正/負(fù)樣本集中的 正/負(fù)樣本為30X30像素的256階灰度圖像,所述正樣本為包含行人區(qū)域的圖像,所述負(fù) 樣本為不包含或者不完全包含行人區(qū)域的圖像。
      [0024] 作為本發(fā)明的進(jìn)一步改進(jìn),步驟S4中的所述"EKM算法"具體為:根據(jù)連續(xù)的輸入 圖像中前一幀目標(biāo)位置的坐標(biāo),利用Kalman濾波來預(yù)測(cè)本幀輸入圖像中目標(biāo)可能的坐標(biāo) 點(diǎn),然后利用mean shift算法以估計(jì)到的坐標(biāo)點(diǎn)為起始點(diǎn)進(jìn)行迭代運(yùn)算。
      [0025] 與現(xiàn)有技術(shù)相比,本發(fā)明的有益效果是:在本發(fā)明中,通過提取訓(xùn)練樣本集中訓(xùn) 練樣本的多粒度特征向量,并通過優(yōu)化的利用行人級(jí)聯(lián)分類器對(duì)監(jiān)控區(qū)域中的行人進(jìn)行檢 測(cè),有效地提高了在公共區(qū)域內(nèi)對(duì)行人進(jìn)行人數(shù)統(tǒng)計(jì)的效率與準(zhǔn)確度。
      【附圖說明】
      [0026] 圖1為本發(fā)明一種基于多粒度特征的行人檢測(cè)方法的流程示意圖;
      [0027] 圖2a為子步驟S11中Sobel算子計(jì)算X方向的梯度值的示意圖;
      [0028] 圖2b為子步驟S11中Sobel算子計(jì)算y方向的梯度值的示意圖;
      [0029] 圖3為訓(xùn)練樣本中的每個(gè)像素點(diǎn)的鄰域灰度級(jí)作卷積和運(yùn)算的示意圖;
      [0030] 圖4為圖像基元在霍夫空間與圖像空間之間建立映射與反映射關(guān)系的示意圖;
      [0031] 圖5步驟S3中自監(jiān)控區(qū)域獲取視頻流圖像作為輸入圖像的示意圖;
      [0032] 圖6步驟S3中利用行人級(jí)聯(lián)分類器對(duì)輸入圖像進(jìn)行行人檢測(cè)的示意圖。
      【具體實(shí)施方式】
      [0033] 下面結(jié)合附圖所示的各實(shí)施方式對(duì)本發(fā)明進(jìn)行詳細(xì)說明,但應(yīng)當(dāng)說明的是,這些 實(shí)施方式并非對(duì)本發(fā)明的限制,本領(lǐng)域普通技術(shù)人員根據(jù)這些實(shí)施方式所作的功能、方法、 或者結(jié)構(gòu)上的等效變換或替代,均屬于本發(fā)明的保護(hù)范圍之內(nèi)。
      [0034] 參圖1所示的本發(fā)明一種基于多粒度特征的行人檢測(cè)方法的流程示意圖。
      [0035] 在本實(shí)施方式中,由于行人在行走時(shí)頭部與肩部的變化較小,基于易于檢測(cè)方面 的考慮,可將訓(xùn)練樣本集定義為:只包含行頭部和/或肩部的正樣本集、不包含行人頭部和 /或肩部的負(fù)樣本圖集。
      [0036] 首先執(zhí)行步驟S1、提取訓(xùn)練樣本集中的多粒度特征向量。
      [0037] 具體的,該步驟S1包括以下五個(gè)子步驟:
      [0038] S11、對(duì)訓(xùn)練樣本進(jìn)行梯度計(jì)算以得到梯度圖像;
      [0039] S12、根據(jù)不同的粒度參數(shù)對(duì)梯度圖像進(jìn)行描述;
      [0040] S13、提取多粒度特征;
      [0041] S14、將圖像基元在霍夫空間與圖像空間之間通過方向劃分和/或空間劃分的方 式建立映射與反映射關(guān)系;
      [0042] S15、計(jì)算多粒度特征中的所有特征向量。
      [0043] 具體而言,在本實(shí)施方式中,所述訓(xùn)練樣本集包括正負(fù)樣本集與負(fù)樣本集。其中, 正樣本集中的正樣本和負(fù)樣本集中的負(fù)樣本均為30 X 30像素的256階灰度圖像。所述正樣 本為包含行人區(qū)域的圖像,所述負(fù)樣本為不包含或者不完全包含行人區(qū)域的圖像。需要說 明是的,為了降低計(jì)算機(jī)的開銷,也可將僅包含完整人頭區(qū)域的訓(xùn)練樣本歸入正樣本集中, 將不包含人頭區(qū)域或者包含不完整人頭區(qū)域的訓(xùn)練樣本歸入負(fù)樣本集中,并提取訓(xùn)練樣本 集中的多粒度特征向量。
      [0044] "粒度"被用來表示特征對(duì)于行人數(shù)據(jù)的抽象能力,精細(xì)粒度特征對(duì)于行人數(shù)據(jù)有 較低程度的抽象,具有比較好的細(xì)節(jié)描述能力,適合對(duì)行人數(shù)據(jù)進(jìn)行確定性的描述;而粗糙 粒度特征對(duì)于行人數(shù)據(jù)有較高程度的抽象,其所體現(xiàn)的通常是一種統(tǒng)計(jì)特性。因此,多粒度 特征描述意味著對(duì)行人數(shù)據(jù)進(jìn)行不同層次的抽象,從而得到從確定性描述到統(tǒng)計(jì)性描述的 一系列具有不同描述特征的行人表示,稱為"粒度空間表達(dá)"。
      [0045] 從定義看,粒度空間和尺度空間相似。兩者的共同點(diǎn)在于都是致力于對(duì)物體建立 多層次的表達(dá)和描述。對(duì)于尺度空間而言,這種多層次的表達(dá)和描述來自于多種分辨率,這 個(gè)過程類似于在不同距離來看一個(gè)物體,它會(huì)產(chǎn)生從清晰到模糊的漸變。而對(duì)于粒度空間 而言,多層次的表達(dá)和描述來自于對(duì)目標(biāo)不同統(tǒng)計(jì)層
      當(dāng)前第1頁1 2 3 4 
      網(wǎng)友詢問留言 已有0條留言
      • 還沒有人留言評(píng)論。精彩留言會(huì)獲得點(diǎn)贊!
      1