[发明专利]一种人形识别方法及装置

说明书

本发明提供了一种人形识别方法，该方法包括：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；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；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；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。与现有技术相比，本发明能快速准确地进行人形识别。

技术领域

本发明涉及图像处理、视频监控以及安防，特别涉及人形识别方法及装置。

背景技术

人形识别技术是指利用人体成像的一定特征，通过对图形图像的处理,最终在成像空间中发现识别和定位人形目标的技术。人形识别技术是智能安防系统的一项重要技术，可以被广泛的应用到智能监控、智能交通、目标循迹、目标跟踪等领域。

现有的人形识别方法主要包括：基于背景建模的人形识别方法和基于统计学习的人形识别方法。基于背景建模的人形识别方法是首先利用背景建模的方法，提取视频画面中前景运动区域，然后在目标区域中进行特征提取及分类器学习，从而判断视频画面中是否有行人，但是该方法很难避免由于光照等外界环境变化导致的视频内容变化对人形识别的影响。基于统计学习的人形识别方法依据大量的样本构建行人识别分类器，通过对样本的特征提取和分类器训练来实现人形识别。

然而，目前的人形识别方法识别准确率不高，会出现很多误报和漏报，严重降低用户体验和产品警示功能的可信度。

综上所述，目前迫切需要提出一种识别率较高且鲁棒性较好的人形识别方法。

发明内容

有鉴于此，本发明的主要目的在于实现人形识别，且识别率和鲁棒性较好。

为达到上述目的，按照本发明的第一个方面，提供了一种人形识别方法，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。

进一步地，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。

进一步地，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。

进一步地，所述第三步骤包括：