[发明专利]监控视频中人数检测方法及装置在审
| 申请号: | 201711327492.5 | 申请日: | 2017-12-12 |
| 公开(公告)号: | CN109918971A | 公开(公告)日: | 2019-06-21 |
| 发明(设计)人: | 不公告发明人 | 申请(专利权)人: | 深圳光启合众科技有限公司;深圳光启创新技术有限公司 |
| 主分类号: | G06K9/00 | 分类号: | G06K9/00;G06K9/62;H04N7/18 |
| 代理公司: | 北京康信知识产权代理有限责任公司 11240 | 代理人: | 赵囡囡 |
| 地址: | 518000 广东省深圳市南山区南*** | 国省代码: | 广东;44 |
| 权利要求书: | 查看更多 | 说明书: | 查看更多 |
| 摘要: | |||
| 搜索关键词: | 直方图均衡化 监控视频 均衡化 级联分类器 人数检测 图像 人体特征识别 远距离监控 异常状态 帧图像 采集 检测 人群 统计 安全 | ||
1.一种监控视频中人数检测方法,其特征在于,包括:
对采集到的监控视频中的每一帧图像进行直方图均衡化,得到直方图均衡化后的均衡化图像;
通过级联分类器,识别所述均衡化图像中的人体,其中,所述级联分类器用于根据直方图均衡化后的所述均衡化图像的人体特征识别出人体;
对识别出的人体进行统计。
2.根据权利要求1所述的方法,其特征在于,所述级联分类器至少由两个弱分类器叠加而成,其中,所述级联分类器通过叠加的所述至少两个弱分类器根据所述直方图均衡化后的均衡化图像的人体特征识别出人体。
3.根据权利要求1所述的方法,其特征在于,
在采集的所述监控视频为彩色的情况下,在对采集到的所述监控视频中的每一帧图像进行直方图均衡化之前,所述方法还包括:将彩色的所述监控视频中的每一帧图像进行灰度化;
对采集到的所述监控视频中的每一帧图像进行直方图均衡化包括:对进行灰度化后的每一帧图像进行直方图均衡化。
4.根据权利要求1所述的方法,其特征在于,
在通过所述级联分类器,识别所述均衡化图像中的人体之前,所述方法还包括:利用拉普拉斯算子提取所述每一帧图像中的高频成份,并对所述高频成份赋于权值,得到增强后的高频成份;将增强后的高频成份叠加于直方图均衡化后的图像中,得到增强后的均衡化图像;
通过所述级联分类器,识别所述均衡化图像中的人体包括:通过所述级联分类器,识别所述增强后的均衡化图像中的人体。
5.根据权利要求1所述的方法,其特征在于,
在通过所述级联分类器,识别所述均衡化图像中的人体之前,所述方法还包括:利用Canny算子对所述直方图均衡化后的均衡化图像进行边缘检测,获得所述直方图均衡化后的均衡化图像中所包括的轮廓;确定所述直方图均衡化后的均衡化图像中所包括的轮廓的面积;将面积大于预定阈值的非目标轮廓使用漫水进行填充,获得包括了所述非目标轮廓的均衡化图像,其中,所述非目标轮廓为识别人体的非目标区域;
通过所述级联分类器,识别所述均衡化后的图像中的人体包括:通过所述级联分类器,识别包括了所述非目标轮廓的均衡化图像中的人体。
6.根据权利要求1所述的方法,其特征在于,在通过所述级联分类器,识别所述均衡化图像中的人体之前,所述方法还包括:
通过对多组数据进行训练得到所述级联分类器,其中,所述多组数据中的每组数据均包括:样本图像,和用于标识所述样本图像是否包括人体的人体识别结果。
7.根据权利要求2至6中任一项所述的方法,其特征在于,所述弱分类器在基于Haar-like矩形特征下的识别函数为:
其中,ghaar(x)用于标识基于人体特征x确定均衡化图像是否包括人体的识别结果,fj(x)是特征值;θj是所述弱分类器的阈值;j用于标识第j个弱分类器;α和β是分类结果的置信度,取值范围为[-1,+1],为负则不是人体,为正则是人体。
8.一种监控视频中人数检测装置,其特征在于,包括:
第一得到模块,用于对采集到的监控视频中的每一帧图像进行直方图均衡化,得到直方图均衡化后的均衡化图像;
识别模块,用于通过级联分类器,识别所述均衡化图像中的人体,其中,所述级联分类器用于根据直方图均衡化后的所述均衡化图像的人体特征识别出人体;
统计模块,用于对识别出的人体进行统计。
9.根据权利要求8所述的装置,其特征在于,所述级联分类器至少由两个弱分类器叠加而成,其中,所述级联分类器通过叠加的所述至少两个弱分类器根据所述直方图均衡化后的均衡化图像的人体特征识别出人体。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于深圳光启合众科技有限公司;深圳光启创新技术有限公司,未经深圳光启合众科技有限公司;深圳光启创新技术有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201711327492.5/1.html,转载请声明来源钻瓜专利网。





