[发明专利]一种基于稀疏表示的多视角行人目标检测方法

说明书

本发明公开了一种基于稀疏表示的多视角行人目标检测方法，包括图像采集模块、图像处理模块、图像分析模块、图像检测模块与图像输出模块，所述图像采集模块的数据输出端与图像处理模块的数据输入端单向连接，所述图像处理模块的数据输出端与图像分析模块的数据输入端单向连接，所述图像分析模块的数据输出端与图像检测模块的数据输入端单向连接，所述图像检测模块的数据输出端与图像输出模块的数据输入端单向连接。该基于稀疏表示的多视角行人目标检测方法通过稀疏保湿进行多角度分析处理，对行人流量大的公共场所进行有效检测，避免了行人与行人相互遮挡的问题，提高了行人目标检测的准确性。

技术领域

本发明涉及计算机技术设备技术领域，尤其涉及一种基于稀疏表示的多视角行人目标检测方法。

背景技术

随着计算机计算技术和存储技术的快速发展，视频信息占人们接受信息的比重越来越大，对视频的智能分析也越来越重要。其中视频目标检测是对视频分析的重要切入点，因此不管是在学术界还是在商业界，目标检测都是研究和应用的一个热点。传统的视频运动目标检测方法包括背景差法、帧差法、光流法，这类方法的主要原理是分析运动目标相对于背景图像的差异，确定运动目标所在的位置，深度学习是目前机器学习在实际应用中最成功的一种方法，在自然图像分类、通用目标检测、语义分割等视觉领域取得了突破性的成绩。将深度学习用于视频运动目标检测的方法，能够有效描述目标外观、结构、色彩等视觉特征，从而检测定位目标。

高维数据的稀疏表示是近些年是机器学习和计算机视觉研究领域的热点之一，其基本假设是：自然图像本身为稀疏信号，用一组过完备基将输入信号线性表达出来，展开系数可以在满足一定的稀疏度条件下，获取对原始信号的良好近似。研究人员发现，尽管稀疏表示的优化模型是从信号重建的角度建立的，但其表示结果在模式识别中都有很好的表现，许多当前最好的分类模块往往都会选用稀疏表示作为其关键模块。

但是现有的行人目标检测不能实现多角度检测，在公交车、商场与车站这些公共场合，对于多个行人的成型尺寸大小、形状变化，行人与行人之间相互遮挡重叠，造成行人目标检测准确率不高。

发明内容

1.要解决的技术问题

本发明的目的是为了解决现有的行人目标检测不能实现多角度检测，在公交车、商场与车站这些公共场合，对于多个行人的成型尺寸大小、形状变化，行人与行人之间相互遮挡重叠，造成行人目标检测准确率不高的问题，而提出的一种基于稀疏表示的多视角行人目标检测方法。

2.技术方案

为了实现上述目的，本发明采用了如下技术方案：

一种基于稀疏表示的多视角行人目标检测方法，包括图像采集模块、图像处理模块、图像分析模块、图像检测模块与图像输出模块，所述图像采集模块的数据输出端与图像处理模块的数据输入端单向连接，所述图像处理模块的数据输出端与图像分析模块的数据输入端单向连接，所述图像分析模块的数据输出端与图像检测模块的数据输入端单向连接，所述图像检测模块的数据输出端与图像输出模块的数据输入端单向连接。

优选地，所述图像采集模块通过摄像机采集目标行人数据，经过采样、量化以后转换为数字图像并输入、存储到帧存储器中。

优选地，所述图像处理模块先对采集的进行预处理，包括图像净化处理，去掉原始图像中的显见噪声、增强对图像中的信息有选择地加强和抑制，以改善图像的视觉效果、使图像的某些特征在给定变换下具有不变性质的图像标准形式归一化。

优选地，所述图像处理模块对图片进行预处理后，将预处理后图像特征进行提取，图像特征提取包括尺度不变特征变换与方向梯度直方图，尺寸不变特征变换，从多幅图像中提取对尺度缩放、旋转、亮度变化无关的特征向量同时，方向梯度直方图在图像的局部方格单元上操作，保持图像几何的和光学的形变不变性，再将两种特征进行融合，完成特征融合。