复杂场景下的人体头部识别方法.doc

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30~70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HYPERLINK"http://www.visionbib.com/bibliography/author/vio.html"\l"Viola,%20P."Viola,P.,HYPERLINK"http://www.visionbib.com/bibliography/author/jon.html"\l"Jones,%20M.J."MichaelJ.,HYPERLINK"http://www.visionbib.com/bibliography/author/sno.html"\l"Snow,%20D."Snow,D.,DetectingPedestriansUsingPatternsofMotionandAppearance,HYPERLINK"http://www.visionbib.com/bibliography/journal/ijc.html"\l"IJCV%2863%29"IJCV(63),No.2,July2005,pp.153-161.提出著名的由积分图弱分类器级联成强分类器识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HYPERLINK"http://www.visionbib.com/bibliography/author/wu,.html"\l"Wu,%20B."Wu,B.,HYPERLINK"http://www.visionbib.com/bibliography/author/nev.html"\l"Nevatia,%20R."Nevatia,R.,DetectionandTrackingofMultiple,PartiallyOccludedHumansbyBayesianCombinationofEdgeletbasedPartDetectors，HYPERLINK"http://www.visionbib.com/bibliography/journal/ijc.html"\l"IJCV%2875%29"IJCV(75),No.2,November2007,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HYPERLINK"http://www.visionbib.com/bibliography/author/dal.html"\l"Dalal,%20N."Dalal,N.,HYPERLINK"http://www.visionbib.com/bibliography/author/tri.html"\l"Triggs,%20B."Triggs,B.,HistogramsofOrientedGradientsforHumanDetection,HYPERLINK"http://www.visionbib.com/bibliography/journal/cvp.html"\l"CVPR05"CVPR05(I:886-893).基于美国专利（专利号：6,711,293“METHODANDAPPARATUSFORIDENTIFYINGSCALEINVARIANTFEATURESINANIMAGEANDUSEOFSAMEFORLOCATINGANOBJECTINANIMAGE”）改进的专门用于识别人体的方法。关键在于特征点的收集、