一種視頻圖像中里切克檢測的方法及系統的制作方法
【專利摘要】本發明涉及一種視頻圖像中里切克檢測的方法及系統，該方法通過獲取一幀視頻圖像并設置該幀視頻圖像中待檢測的感興趣區域；對感興趣區域按預設前景檢測方法進行前景檢測，然后獲取待檢測的前景區域的大小與位置；在所述前景區域進行行人檢測，確定所述前景區域中是否存在行人；若存在行人則獲取行人輪廓并用包含里切克特征的分類器對行人進行檢測，判斷該行人是否具有里切克特征；若該行人具有里切克特征，則標記該行人并判斷該行人在后續預定數目圖像幀中于預設的統計區域中內檢測到具有里切克特征的圖像幀數是否大于預設誤檢幀數，若是則輸出報警提示，從而為在視頻圖像中有效地進行里切克檢測提供一種有效的檢測手段。
【專利說明】
-種視頻圖像中里切克檢測的方法及系統
技術領域
[0001] 本發明屬于圖像識別技術領域，具體設及一種視頻圖像中里切克檢測的方法及系 統。
【背景技術】
[0002] 在一些不安全的地區，為了社會安全的需要，對一些穿著特別服飾的人物需要進 行提前特別檢測識別，如穿著里切克服飾的人物進行檢測識別，W做到提前預防。圖像檢測 可W實現圖像中的人物進行識別，但現有圖像檢測識技術無法有效地對穿著里切克服飾的 人物來提前預防檢測識別，做到提前預防。

【發明內容】

[0003] 本發明的目的在于解決上述的技術問題而提供一種視頻圖像中里切克檢測的方 法及系統。
[0004] 為實現上述目的，本發明采用如下技術方案：
[0005] -種視頻圖像中里切克檢測的方法，包括W下步驟：
[0006] 獲取一帖視頻圖像并設置該帖視頻圖像中待檢測的感興趣區域；
[0007] 對所述感興趣區域按預設前景檢測方法進行前景檢測，然后獲取待檢測的前景區 域的大小與位置；
[0008] 在所述前景區域進行行人檢測，確定所述前景區域中是否存在行人；
[0009] 若存在行人，則獲取行人輪廓并用包含里切克特征的分類器對行人進行檢測，判 斷該行人是否具有里切克特征；
[0010] 若該行人具有里切克特征，則標記該行人并判斷該行人在后續預定數目圖像帖中 于預設的統計區域中內檢測到具有里切克特征的圖像帖數是否大于預設誤檢帖數，若是則 輸出報警提示。
[0011] 所述感興趣區域為該帖視頻圖像中清晰度符合預設清晰度值的人形區域。
[0012] 所述前景檢測方法為Vibe前景檢測方法。
[0013] 所述獲取待檢測的前景區域的大小與位置采用W下步驟：
[0014] 將通過前景檢測輸出的二值化圖像進行多次腐蝕并連通成一個區域，然后通過邊 緣檢測方法獲得該前景區域的大小與位置。
[0015] 所述里切克特征是化ar特征，所述分類器為Adaboost級聯分類器。
[0016] 本發明的目的還在于提供一種視頻圖像中里切克檢測的系統，包括：
[0017] 感興趣區域獲取模塊，用于獲取一帖視頻圖像并設置該帖視頻圖像中待檢測的感 興趣區域；
[0018] 前景區域確定模塊，用于對所述感興趣區域按預設前景檢測方法進行前景檢測， 然后獲取待檢測的前景區域的大小與位置；
[0019] 行人檢測模塊，用于在所述前景區域進行行人檢測，確定所述前景區域中是否存 在行人；
[0020]里切克判斷模塊，用于檢測出存在行人的情況下，獲取行人輪廓并用包含里切克 特征的分類器對行人進行檢測，判斷該行人是否具有里切克特征；
[0021 ]檢測確認模塊，用于在該行人具有里切克特征時，標記該行人并判斷該行人在后 續預定數目圖像帖中于預設的統計區域中內檢測到具有里切克特征的圖像帖數是否大于 預設誤檢帖數，并在判斷是時輸出報警提示。
[0022] 本發明通過W上技術方案，可W快速地在視頻圖像中檢測出圖像中是否存在行 人，在判斷為行人后快速地檢測出行人具有里切克特征，并在確認后輸出報警，為在視頻圖 像中快速檢測具有里切克特征的行人提供了一種有效的檢測識別方法。
【附圖說明】
[0023] 圖1為本發明實施例提供的視頻圖像中里切克檢測的方法的流程圖；
[0024] 圖2所示化ar-l化e特征的表示圖；
[0025] 圖3所示為積分圖像；
[0026] 圖4所示為級聯強分類器的示意圖。
【具體實施方式】
[0027] 下面，結合實例對本發明的實質性特點和優勢作進一步的說明，但本發明并不局 限于所列的實施例。
[00%]參見圖1所示，一種視頻圖像中里切克檢測的方法，包括：
[0029] SlOl，獲取一帖視頻圖像并設置該帖視頻圖像中待檢測的感興趣區域；
[0030] S102,對所述感興趣區域按預設前景檢測方法進行前景檢測，然后獲取待檢測的 前景區域的大小與位置；
[0031] S103,在所述前景區域進行行人檢測，確定所述前景區域中是否存在行人;若不存 在行人則返回步驟SlOl，
[0032] S104,若存在行人，則獲取行人輪廓并用包含里切克特征的分類器對行人進行檢 ，判斷該行人是否具有里切克特征;其不存在里切克特征，則返回步驟SlOl，
[0033] S105,若該行人具有里切克特征，則標記該行人并判斷該行人在后續預定數目圖 像帖中于預設的統計區域中內檢測到具有里切克特征的圖像帖數是否大于預設誤檢帖數， 若是則輸出報警提示，否則返回步驟SlOl。
[0034] 本發明通過W上技術方案，可W快速地在視頻圖像中檢測出圖像中是否存在行 人，在判斷為行人后快速地檢測出行人具有里切克特征，并在確認后輸出報警，為在視頻圖 像中快速檢測具有里切克特征的行人提供了一種有效的檢測識別方法。
[0035] 具體實現上，本發明中，所述感興趣區域為該帖視頻圖像中清晰度符合檢測要求 的人形區域，即清晰度符合預設清晰度值的人形區域，具體在實現時，可W在獲取視頻圖像 序列的寬和高的數據后，根據視頻圖像的寬和高數據計算出感興趣區域的在視頻圖像中的 位置和寬高來確定該感興趣的區域，而后續的檢測將在該感興趣區域內進行，運樣要比在 整幅圖像中檢測所用時間要少很多，從而有效地提高了檢測速度。
[0036] 具體實現上，本發明中，所述前景檢測方法為Vibe(Visual Background extractor)前景檢測方法。
[0037] 所述Vibe前景檢測方法主要通過W下原理進行檢測：其將靜止的或是非常緩慢的 移動的物體看作背景物體，對應移動的物體看作前景物體，從而把物體檢測看成一個分類 問題，也就是確定一個圖像像素點是否屬于背景點，將背景點與前景點區分，從而實現前景 檢測，獲得相應的前景區域。
[0038] 在ViBe檢測模型中，其背景模型為每個背景點存儲了一個樣本集，然后將每一個 新的像素值和樣本集進行比較來判斷是否屬于背景點。如果一個新的觀察值屬于背景點， 那么它應該和樣本集中的采樣值比較接近。
[0039] 具體講，記V(X)為X點處的像素值;M(X) = IVi, V2，...Vn}為X處的背景樣本集(樣本 集大小為N) ;SR(v(x))為Wx為中屯、R為半徑的區域，如果M(x)[{SR(v(x)) n {vi，V2,...， vn}}]大于一個給定的闊值min,那么就認為X點屬于背景點。
[0040] ViBe模型初始化就是填充像素的樣本集的過程，但由于在一帖圖像中不可能包含 像素點的時空分布信息，利用相近像素點擁有相近的時空分布特性，具體講就是，對于一個 像素點，隨機的選擇它的鄰居點的像素值作為它的模型樣本值。Mo(x) = {vo(y|yGNG(x))}， t = 0初始時刻，NG(X)即為鄰居點。運種初始化方法優點是對于噪聲的反應比較靈敏，計算 量小速度快，可W很快的進行運動物體的檢測，缺點是容易引入Ghost區域。
[0041] 模型的更新采用的更新策略是保守的更新策略+前景點計數方法。前景點計數即 是對像素點進行統計，如果某個像素點連續N次被檢測為前景，則將其更新為背景點。隨機 的子采樣:在每一個新視頻帖中都去更新背景模型中的每一個像素點的樣本值是沒有必要 的，當一個像素點被分類為背景點時，它有1/巧的概率去更新背景模型。
[0042] 具體更新方法，每一個背景點有1/ ((>的概率去更新自己的模型樣本值，同時也有 1/巧的概率去更新它的鄰居點的模型樣本值。更新鄰居的樣本值利用了像素值的空間傳播 特性，背景模型逐漸向外擴散，運也有利于化OSt區域的更快的識別。同時當前景點計數達 到臨界值時將其變為背景，并有1/9的概率去更新自己的模型樣本值。在選擇要替換的樣本 集中的樣本值時候，我們是隨機選取一個樣本值進行更新，運樣可W保證樣本值的平滑的 生命周期由于是隨機的更新，運樣一個樣本值在時刻t不被更新的概率是(N-1VN，假設時 間是連續的，那么在化的時間過去后，樣本值仍然保留的概率是
[0043]
[0044]
[0045]
[0046] 運就表明一個樣本值在模型中是否被替換與時間t無關，隨機策略是合適的。
[0047] 本發明中，在通過W上方法進行前景檢測完成后，所述的獲取待檢測的前景區域 的大小與位置可W采用W下步驟：
[004引將通過前景檢測輸出的二值化圖像進行多次腐蝕并連通成一個聯通區域，然后通 過邊緣檢測方法獲得該前景區域的大小與位置。運樣為后續的特征檢測W確定是否為行人 奠定的檢測的基礎。
[0049]本發明中，所述前景檢測后輸出的是一個二值化的前景圖像，該前景圖像像素值 為I，背景圖像像素值為0,運樣的前景圖像并不為一個連通區域，為了后續檢測需要，對此 二值前景圖像做多次腐蝕，連通成為一個連續的區域，再通過邊緣檢測即可獲得前景區域 所在矩形的大小和位置。在獲得前景區域所在矩形的大小和位置后，就可W所述前景區域 進行行人檢測，確定所述前景區域中是否存在行人，運樣就大大提高了行人有無檢測的速 度與效率。
[0050]本發明中，所述里切克特征是化ar特征，所述分類器為Adaboost級聯分類器，具體 為基于化ar特征的Adaboost級聯分類器。通過運用化ar特征Adaboost級聯分類器在前景區 域進行行人檢測，進一步縮小里切克檢測的區域，提高了檢測的效率和準確率。
[0化1 ] 下面說明基于化ar特征的Adaboost級聯分類器的原理：
[0化2] 關于化ar特征和積分圖
[0化3] DHaar-Iike特征可由圖2表示，每個特征由2-3個矩形組成，在運些小波示意圖 中，淺色區域表示"累加數據"，深色區域表示"減去該區域的數據"。分別檢測邊界特征 化dge features)、線特征(Xine features)、中屯、環繞特征（Center-surround features), 運些特征可表示為：
[0化4]
[0055] 其中，Wi為矩形的權，RectSum(ri)為矩形ri所圍圖像的灰度積分，N是組成 f eature j的矩形個數。
[0056] 如在一個24*24的圖片中，有115984個特征，遠遠大于其像素個數。如果計算每個 特征的像素和，計算量會非常大，而且很多次運算是重復的。
[0057] 為此，Paul Viola提出一種利用積分圖像法快速計算化ar特征的方法，該方法簡 單說來，就是先構造一張"積分圖"（Integral image也叫Summed Area Table),之后任何一 個化ar矩形特征都可W通過查表的方法和有限次簡單運算得到，大大減少了運算次數。
[0化引將矩形表示為：
[0059] r=(x，y，w，h，a) 0《x，x+w《W，0《y，y+h《H，x，y>0，w，h>0，aG{0。，45。}
[0060] 其中，x，y表示起點坐標，w，h表示寬，高，a表示角度。
[0061 ] ①矩形內像素值之和表示為:RecSum(r)
[0062] ②構造積分圖像(Summed Area Table)，見圖3所示。
[0063] 積分圖像中，每個點存儲是其左上方所有像素之和：
[0064]
[0065] 其中，I(x，y)表示圖像(x，y)位置的像素值。積分圖像可W采用增量的方式計算：
[0066] SAT(x，y) =SAT(x，;y-l)+SAT(x-l，y)+I(x，y)-SAT(x-l，廠1)
[0067] 初始邊界.SAT(-I，y) = SAT(X，-I) = SAT(-I，-I) = 0
[0068] 所W，只需要對整張圖像遍歷一次就可W求得運張圖的積分圖像。
[0069] 關于adaboost分類器。
[0070] adaboost分類器是利用分類能力一般的弱分類器通過一定的方法疊加(boost)起 來，構成分類能力很強的強分類器。Adaboost訓練強分類器的算法描述如下：
[0071] 給定一系列訓練樣本(Xi，yi)，（X2，y2)，. . .（Xn，yn)，其中Xi表示第i個樣本，yi=l時 為正樣本(人臉），yi = O表示負樣本(非人臉）。對每個特征featurej，訓練一個弱分類器hj (X)，之后對每個特征生成的弱分類器計算權重誤差：
[0072]
[0073] I加到強分類器中，并更新訓練樣本的概率分布：
[0074]
[0075] 樣本Xi被正確分類，否則ei = l表示未被正確分類，最 終構成弓
[0076]
[0077] 其中b為設置的闊值，默認為0。
[007引級聯強分類器的示意圖見圖4所示，將多個化ar-like特征FiF2…Fn聯合起來形成 決策樹，通過將輸入數據與該多個化ar-1 Ae特征FiF2…Fn進行比較，判斷符合的輸出為人 臉(face),-級一級地比較不符合的輸出為非人臉(not化Ce)。
[0079] Viola-Jones檢測器利用瀑布(Cascade)算法分類器組織為篩選式的級聯分類器， 級聯的每個節點是AdaBoost訓練得到的強分類器。在級聯的每個節點設置闊值b，使得幾乎 所有人臉樣本都能通過，而絕大部分非人臉樣本不能通過。節點由簡單到復雜排列，位置越 靠后的節點越復雜，即包含越多的弱分類器。運樣能最小化拒絕圖像但區域時的計算量，通 知保證分類器的高檢測率和低拒絕率。例如在識別率為99.9%，拒絕率為50%時，（99.9% 的人臉和50%的非人臉可W通過），20個節點的總識別率為：98%，而錯誤接受率僅為： 0.0001%.
[0080] 需要說明的是，本發明中，在判斷存在行人，并獲取行人輪廓并用包含里切克特征 的分類器對行人進行檢測，判斷該行人是否具有里切克特征時，其檢測方法與所述前景檢 測方法原理相同，只是輸入的訓練樣本為包含里切克特征的圖像。通過本步驟的檢測即可 檢測出行人是否具有里切克特征，并獲得里切克目標在該帖圖像中的位置及大小并標記。
[0081] 需要說明的是，本發明中，為了防止誤檢，在進行統計時，要W多帖圖像為一個單 元進行統計檢測出里切克特征的次數，當在預設的統計區域中，檢測出里切克特征的次數 大于設定的闊值時進行報警提示，否則不報警，繼續按上述方法進行檢測。
[0082] 具體的可W是WlO帖圖像為一個統計單元進行統計，其第一帖圖像中檢測出有里 切克特征，且在預設的統計區域中在后續的9帖圖像中檢測到里切克特征的次數大于5,則 輸出報警，否則認為誤檢，繼續檢測。
[0083] 本發明中，所述統計區域是通過確定一個統計單位中的第一帖檢測到的里切克特 征在圖像中的位置及大小后，將該里切克特征所在矩形為中屯、，向外擴大，如擴大該矩形邊 長的1/3形成一個擴大區域，將該擴大區域作為統計區域而形成的，該帖W后連續的多帖檢 測均是在該擴大的預設的區域中進行，運樣有利于防止漏檢，提高檢測精準度。
[0084] 本發明的目的還在于提供一種視頻圖像中里切克檢測的系統，包括：
[0085] 感興趣區域獲取模塊，用于獲取一帖視頻圖像并設置該帖視頻圖像中待檢測的感 興趣區域；
[0086] 前景區域確定模塊，用于對所述感興趣區域按預設前景檢測方法進行前景檢測， 然后獲取待檢測的前景區域的大小與位置；
[0087] 行人檢測模塊，用于在所述前景區域進行行人檢測，確定所述前景區域中是否存 在行人；
[0088] 里切克判斷模塊，用于檢測出存在行人的情況下，獲取行人輪廓并用包含里切克 特征的分類器對行人進行檢測，判斷該行人是否具有里切克特征；
[0089] 檢測確認模塊，用于在該行人具有里切克特征時，標記該行人并判斷該行人在后 續預定數目圖像帖中于預設的統計區域中內檢測到具有里切克特征的圖像帖數是否大于 預設誤檢帖數，并在判斷是時輸出報警提示。
[0090] 所述的視頻圖像中里切克檢測的系統的實現方法與上述的視頻圖像中里切克檢 測的方法相同，在此不再進行詳細說明。
[0091] 本發明通過W上技術方案，可W快速地在視頻圖像中檢測出圖像中是否存在行 人，在判斷為行人后快速地檢測出行人具有里切克特征，并在確認后輸出報警，為在視頻圖 像中快速檢測具有里切克特征的行人提供了一種有效的檢測識別方法。
[0092] W上所述僅是本發明的優選實施方式，應當指出，對于本技術領域的普通技術人 員來說，在不脫離本發明原理的前提下，還可W做出若干改進和潤飾，運些改進和潤飾也應 視為本發明的保護范圍。
【主權項】
1. 一種視頻圖像中里切克檢測的方法，其特征在于，包括以下步驟： 獲取一幀視頻圖像并設置該幀視頻圖像中待檢測的感興趣區域； 對所述感興趣區域按預設前景檢測方法進行前景檢測，然后獲取待檢測的前景區域的 大小與位置； 在所述前景區域進行行人檢測，確定所述前景區域中是否存在行人； 若存在行人，則獲取行人輪廓并用包含里切克特征的分類器對行人進行檢測，判斷該 行人是否具有里切克特征； 若該行人具有里切克特征，則標記該行人并判斷該行人在后續預定數目圖像幀中于預 設的統計區域中內檢測到具有里切克特征的圖像幀數是否大于預設誤檢幀數，若是則輸出 報警提示。2. 根據權利要求1所述視頻圖像中里切克檢測的方法，其特征在于，所述感興趣區域為 該幀視頻圖像中清晰度符合預設清晰度值的人形區域。3. 根據權利要求2所述視頻圖像中里切克檢測的方法，其特征在于，所述前景檢測方法 為Vibe前景檢測方法。4. 根據權利要求2所述視頻圖像中里切克檢測的方法，其特征在于，所述獲取待檢測的 前景區域的大小與位置采用以下步驟： 將通過前景檢測輸出的二值化圖像進行多次腐蝕并連通成一個區域，然后通過邊緣檢 測方法獲得該前景區域的大小與位置。5. 根據權利要求3所述視頻圖像中里切克檢測的方法，其特征在于，所述里切克特征是 Haar特征，所述分類器為Adaboost級聯分類器。6. -種視頻圖像中里切克檢測的系統，其特征在于，包括： 感興趣區域獲取模塊，用于獲取一幀視頻圖像并設置該幀視頻圖像中待檢測的感興趣 區域； 前景區域確定模塊，用于對所述感興趣區域按預設前景檢測方法進行前景檢測，然后 獲取待檢測的前景區域的大小與位置； 行人檢測模塊，用于在所述前景區域進行行人檢測，確定所述前景區域中是否存在行 人； 里切克判斷模塊，用于檢測出存在行人的情況下，獲取行人輪廓并用包含里切克特征 的分類器對行人進行檢測，判斷該行人是否具有里切克特征； 檢測確認模塊，用于在該行人具有里切克特征時，標記該行人并判斷該行人在后續預 定數目圖像幀中于預設的統計區域中內檢測到具有里切克特征的圖像幀數是否大于預設 誤檢幀數，并在判斷是時輸出報警提示。7. 根據權利要求6所述視頻圖像中里切克檢測的系統，其特征在于，所述感興趣區域為 該幀視頻圖像中清晰度符合預設清晰度值的人形區域。8. 根據權利要求6所述視頻圖像中星月圖案檢測的系統，其特征在于，所述前景檢測方 法為Vibe前景檢測方法。9. 根據權利要求6所述視頻圖像中里切克檢測的系統，其特征在于，所述獲取待檢測的 前景區域的大小與位置采用以下步驟： 將通過前景檢測輸出的二值化圖像進行多次腐蝕并連通成一個區域，然后通過邊緣檢
【文檔編號】G06K9/00GK106022279SQ201610363567
【公開日】2016年10月12日
【申請日】2016年5月26日
【發明人】張德馨
【申請人】天津艾思科爾科技有限公司