《复杂场景下的人体头部识别方法.doc》由会员分享,可在线阅读,更多相关《复杂场景下的人体头部识别方法.doc(14页珍藏版)》请在金锄头文库上搜索。
1、说 明 书复杂场景下的人体头部识别方法技术领域本发明涉及一种视频分析技术,具体的说是一种在有摄像机获取的复杂场景下的人体头部识别方法。在普通视频监控中,人群的行进多出现相互遮挡、重叠现象,不便于单独人体的识别与跟踪。为避免这种现象,提高计数精度,现有基于视频的客流统计系统往往要求摄像头垂直向下照射。其缺点是需要独立安装摄像头,适应性差,不兼容于原有监控系统。而且垂直角度摄像头取得视频信息量少,达不到监控目的。普通监控设备一般安装于高处,与水平成3070度夹角。在人群监控过程中,发生遮挡和连接现象的主要是身体躯干和四肢部位,而人体的头、肩部一般会暴露在监控系统中,否则监控就失去了意义。利用这一特
2、点,本方法只采用肩膀以上的有效特征作为判别依据。图像或视频序列中行人的检测与识别是计算机视觉热门话题之一。无论是工业界还是学术界都出现了非常多的好方法。有基于头、躯干、四肢分别匹配然后整合在一起的,有基于人体运动周期性的,有基于特征的等等。下面对一些经典的和相关的方法做简单论述。文章Viola, P., Michael J., Snow, D., Detecting Pedestrians Using Patterns of Motion and Appearance, IJCV(63), No. 2, July 2005, pp. 153-161. 提出著名的由积分图弱分类器级联成强分类器识
3、别人脸及人体的方法,可用于检测小型运动人体。该方法处理速度慢(4帧/秒),模型学习时间长(十几个小时),对被检测人体的大小要求高,只适应于固定场景下运动人体检测。文章Wu, B., Nevatia, R., Detection and Tracking of Multiple, Partially Occluded Humans by Bayesian Combination of Edgelet based Part Detectors,IJCV(75), No. 2, November 2007, pp. 247-266。融合了肢体分割、弱分类器识别以及级联boosting等多种技术,对多
4、方向、多角度人体识别有较好的适应性。该模型较为复杂,在保持被检测人体尺度不变的前提下仍只能处理1帧/秒,实用困难。 文章Dalal, N., Triggs, B., Histograms of Oriented Gradients for Human Detection,CVPR05(I: 886-893). 基于美国专利(专利号:6,711,293 “METHOD AND APPARATUS FOR IDENTIFYING SCALE INVARIANT FEATURES IN AN IMAGE AND USE OF SAME FOR LOCATING AN OBJECT IN AN IMA
5、GE”)改进的专门用于识别人体的方法。关键在于特征点的收集、筛选与表示。该方法对于光照、姿态、衣着和大小的变化以及遮挡有很好的鲁棒性。适用于检测静态图片中的直立人体,摄像机要求与人体基本水平,不能大角度俯视。中国专利(专利申请号:200780001314.1 “在摄像机获取的场景的测试图像中检测人物的方法和系统”)是HoG算法和级连训练分类器Adaboost等多种经典理论的一个结合和改进,其工作主要面向应用层面。仍然具有过程复杂,要求较高计算量的缺点。另外识别率依靠分类器的训练结果,场景的变化会出现不同的效果,不适于实际应用。在现实场景中,特别是在人群密集的场合如车站、体育场馆、商场等由于遮挡
6、,人体往往不能够被完整的摄录下来。这给传统的基于人体外形特征或运动特征的方法造成很大的障碍。然而,人体的头和肩膀即使在这种条件下也会部分或全部显现出来。利用人头和肩部特征进行人体识别的方法被逐渐提及。文章基于组合模板的人体头部精确定位算法2007年 第12卷 第08期 作者: 汤金宽, 曹丹华, 吴裕斌, 顾雯雯提出采用“凸”字形模板匹配再通过水平和垂直模板矫正的方法检测人体头部及躯干。只能对室内单体人处理,且摄像机需水平照射,不利于实际应用。文章基于人体头肩部形状的身份识别2006年 第33卷 第12期 作者: 韩新宇, 朱齐丹, 章慧君提出对采集图像去噪后进行逐行扫描匹配样本库的方式检测人
7、头部,前提是只能处理单人,且人体与摄像头距离为已知。这在一般现实场景中无法满足。文章智能监控中基于头肩特征的人体检测方法研究2004年 第38卷 第04期 作者: 潘锋, 王宣银, 王全强提出通过分割单体直方图得到头肩位置信息,再用SVM进行分类的方法。该系统只能处理单个人体或互不遮挡的多人体,且摄像机要求水平照射,与实际应用有较大出入。文章Zui Zhang, Gunes, Hatice Piccardi, Massimo ,“An accurate algorithm for head detection based on XYZ and HSV hair and skin color m
8、odels”, ICIP 2008,pp:1644-1647在位置空间及颜色空间建立高斯混合模型,然后利用椭圆拟合方式定位人头。虽然能够对多角度人头进行有效识别,但前提是画面必须有较高的分辨率、背景为单色或已经做好人体分割且只处理单个人体。发明内容针对现有技术中因现场光照、摄像机角度、人体尺寸以及遮挡等外界因素造成的人体识别准确度低或无法识别的问题,本发明的要解决的技术问题是提供一种复杂场景下的人体头部识别方法。为解决上述技术问题,本发明采用的技术方案是:本发明复杂场景下的人体头部识别方法包括以下步骤:将视频设备输入的视频流分解成单帧视频序列后分配给由外轮廓识别模块、特征弧识别模块和颜色识别模
9、块三个模块进行处理;外轮廓识别模块对单帧视频序列进行前背景分离后,进行外轮廓提取,并计算出头顶顶点权概率分布;特征弧识别模块在对单帧视频序列进行平滑及灰度化处理后的图像上做边缘检测,再经过特征弧匹配后得到特征弧匹配概率分布;颜色识别模块将前景图像与颜色原始模板进行匹配得到色彩权概率分布;将上述顶点权概率分布、特征弧匹配概率分布以及色彩权概率分布通过简单boosting加权叠加,得到最终的头顶概率分布。所述简单boosting为通过对顶点权概率分布、特征弧匹配概率分布以及色彩权概率分布三种弱分类器的线性加权叠加得到强分类器结果输出。所述外轮廓识别模块、特征弧识别模块和颜色识别模块均在前背景分离后
10、的前景图像中进行分析处理。所述计算顶点权概率分布包括以下步骤:确定计算起始点P。,将外轮廓提取结果得到的轮廓链链首作为起始点;选取辅助计算点,沿轮廓链在起始点两侧分别确定近端辅助点和远端辅助点; 通过近端辅助点和远端辅助点计算起始点平均曲率的大小及法线方向;依据平均曲率大小及法线方向计算起始点顶点权; 如果没到轮廓链链尾,则沿轮廓链计算下一点顶点权直到该轮廓所有点计算完为止;对顶点权进行加权距离变换,将权重按值大小向空间散布;归一化处理得到顶点权概率分布。加权距离变换在原有距离变换基础上增加权重机制,通过种子权重控制其影响范围,具体为:将顶点权权重按值大小向空间散布,加权距离变换考虑种子点权大
11、小,即权重大的种子散布的范围大于权重小的种子。所述特征弧匹配概率分布通过以下步骤得到:将视频设备输入的视频流分解成单帧视频序列进行平滑处理后的灰度图与得到的前景图进行掩码后作为边缘特征计算的输入;在上述输入数据中抽取边缘特征及边缘特征点;判断得到的边缘特征点的边缘强度是否大于阈值,如大于阈值,则取边缘特征点所在位置相应匹配模板大小图像;将该图像与预先建立好的原始模板进行匹配并记录得分; 在与原始模板匹配后,动态调节原始模板大小;判断匹配得分是否高于前一次动态调节后的原始模板,如果匹配得分不高于前一次动态调节后的模板,则置特征弧匹配权为前一次动态调节后的模板匹配得分;判断所有特征点是否处理完毕,
12、如处理完毕,则进行归一化处理,得到特征弧匹配概率分布并输出;如果没处理完,则返回至抽取边缘特征点步骤进行下一个点处理;如果模板匹配得分高于前一次动态调节后的原始模板,则继续沿原调节方向对模板进行放大或缩小处理直到得分不再增加为止,并将此时分数作为最终模板匹配得分。所述原始模板只涉及人头耳部以上区域。采用跳跃移动窗口方式计算特征弧匹配权;边缘特征点的查找和匹配通过水平移动原始模板窗口实现,而配合阈值的判断使其跳跃过边缘强度小的噪音点。所述色彩权概率分布通过以下步骤得到:以一帧原始视频图像与前景图进行掩码的结果作为输入;在上述输入数据中选取有效颜色特征点;判断有效特征点对应的特征弧点匹配权是否小于
13、阈值;如果特征弧点匹配权不小于阈值,则取该有效特征点所在图像窗口分别与正面模板和负面模板进行匹配,记录上述匹配的最大匹配得分;判断所有边缘特征点是否处理完毕;如处理完毕,则进行归一化处理得到色彩权概率分布并输出。采用正面及反面颜色模板进行色彩匹配;正面及反面模板设计均为矩形,长宽比例为1:1.33。正面模板由上下相连的两个矩形构成,颜色分别为纯黑及纯白色,其中黑、白色部分宽度比例1:3,反面模板为纯黑色。本发明具有以下有益效果及优点:1. 本发明提出一种在复杂场景下实时识别多人的人体头部技术,应用到多角度客流统计,人脸识别的前期定位、人体跟踪与识别、快球跟踪、头像超分辨率等应用当中,有效抑制人
14、体遮挡、摄像机角度、光照变化等客观环境造成不良影响。2本发明利用人体头部多种特征进行识别,动态调整各特征分类权重,识别最优化设计;视频图像利用现有的普通视频监控录像,在人群密度大、客流量大场所下,利用监控摄像机一般处于高处,人体肩膀以上的部位不会被整体遮挡的特点完成人的定位和检测。3本发明采用由顶点特征、轮廓特征,对称特征以及色谱和纹理分析等多方面信息组成,以实现对人体的头部检测,识别速度快、精度高,可以利用现有大部分监控系统,单体识别时间小于0.2秒。附图说明图1为行人在光照和摄像机角度、位置发生变化下的监控示意图;图2为本发明方法人体头部识别的总体流程图;图3为本发明方法中顶点权计算流程图
15、;图4为本发明方法中特征弧匹配及特征权计算流程图;图5为本发明方法中颜色模板匹配及色彩权计算流程图;图6为本发明方法中轮廓顶点权计算示意图;图7为本发明方法中特征弧模板示意图;图8为本发明方法中颜色模板示意图。具体实施方式下面结合附图和具体实施方式对本发明做进一步详细描述。图1显示的是一个模拟的现实监控场景。用黑色人体剪影代表大小不同的人体在平面105上模拟客流进出活动。第1、2摄像机103、104表示现实中可能存在的多种安置方式,它们在角度、方向、焦距等有很大变化。同时,现场的第1、2灯光101、102的位置、方向、强弱等变化也给人体识别带来较大难度。处理器106运行人体识别算法,对由摄像机输入视频流进行实时处理。如图2所示,本发明复杂场景下的人体头部识别方法步骤如下:将视频设备输入的视频流分解成单帧视频序列后分配给由颜色识别模块、外轮廓识别模块和特征弧识别模块三个模块进行处理(201);外轮廓识别模块对单帧视频序列进行前背景分离(202)后,进行外轮廓提取(203),并计算出顶点权概率分布(204);颜色识别模块将前背景分离结果作为图像掩码进行处理后得到色彩权概率分布(206、208);特征弧识别模块将前背景分离结果作为图像掩码进行处理后得到特征弧匹配概率分布(205、207、209);将上述顶点权概率分布、色彩权概率分布以及特征弧匹配概率分布通过简单b