[发明专利]一种人形识别方法及装置

权利要求书

1.一种人形识别方法，其特征在于，该方法包括：

第一步骤，输入视频图像，对视频图像进行运动目标检测，获取运动目标区域；

第二步骤，对运动目标区域进行团块处理、面积过滤和宽高比过滤，获取人形候选区域；

第三步骤，对样本图像进行随机采样，对卷积神经网络进行初次训练，根据初次训练的分类器模型，获取难例负样本，根据正样本和难例负样本对初次训练的分类器模型进行二次训练，获取人形分类器模型；

第四步骤，采用人形分类器模型对人形候选区域进行分类，输出分类结果。

2.如权利要求1所述的方法，其特征在于，所述第二步骤包括：

团块处理步骤，对运动目标区域进行小团块合并、孤立小团块滤除、过大团块分割处理；

面积过滤步骤，计算运动目标区域的面积，如果运动目标区域的面积小于第一阈值，则滤除对应的运动目标区域；

宽高比过滤步骤，计算运动目标区域的宽度与高度的比值，如果运动目标区域的宽度与高度的比值小于第二阈值，则滤除对应的运动目标区域；

人形候选区域输出步骤，将剩余的运动目标区域作为人形候选区域输出。

3.如权利要求2所述的方法，其特征在于，所述团块处理步骤包括：

小团块合并步骤，在当前帧图像内，根据任意两个运动目标区域的宽度、高度和间距，判断这两个运动目标区域是否进行合并处理；

孤立小团块滤除步骤，在当前帧图像内，根据运动目标区域的面积、以及与其他运动目标区域的间距，将属于孤立小团块的运动目标区域滤除；

过大团块分割步骤，在当前帧图像内，根据运动目标区域的面积与视频图像面积的比值，将属于过大团块的运动目标区域进行分割处理。

4.如权利要求3所述的方法，其特征在于，所述小团块合并步骤包括：对于当前帧图像内的任意两个运动目标区域B_i和B_j，计算运动目标区域B_i的宽度WB_i和高度HB_i，计算运动目标区域B_j的宽度WB_j和高度HB_j，分别计算运动目标区域B_i和B_j在x和y方向上的间距Xd_ij、Yd_ij，如果同时满足和则将运动目标区域B_i和B_j合并成一个运动目标区域，其中i，j∈{1，2，…，BNum1}，i≠j，BNum1为当前帧图像内的运动目标区域的个数，W和H为当前帧图像的宽度和高度。

5.如权利要求3所述的方法，其特征在于，所述孤立小团块滤除步骤包括：对于当前帧图像，分别计算每个运动目标区域的面积，获取运动目标区域的面积最大值SB_max，对于任意一个运动目标区域B_p，如果满足则认为运动目标区域B_p为孤立小团块，将运动目标区域B_p滤除，其中p∈{1，2，…，BNum2}，BNum2为当前帧图像内的运动目标区域的个数，SB_p为运动目标区域B_p的面积。