一种视频中的人物识别、定位和统计方法技术

本发明专利技术提供了一种视频中的人物识别、定位和统计方法，从视频图像中每个点的形状上下文的匹配的角度来实现对于视频中行人的识别、定位和统计，通过建立包含样本点的形状上下文特征的标准特征库，与输入的要求识别的视频中每一帧图像上的采样点进行匹配，这样无需对标准特征库进行大量的训练，只需建立包含典型的人体姿势的标准特征库，且即使人体具有复杂性，则将人体图像分割为每个采样点，由每个采样点与标准特征库中的样本点匹配，这种方法识别度较高，减少了识别误差，此外这种方法应用面较广，可以进一步应用于视频中的主体识别和主体跟踪等重要问题。

【技术实现步骤摘要】

本专利技术涉及一种人物识别、定位和统计方法，尤其涉及一种视频中的人物识别、定位和统计方法。
技术介绍
人物识别是计算机图像和视频处理中的重要问题之一。图像和视频中的人物识别的本质是给定训练和测试图像集，根据给定的前提条件对图像中的主体进行分类和标定。有效的目标识别可以发现图像中的重要主体，包括人物或其他要进行识别的各类物体，从而为进一步的识别和跟踪提供依据和线索。目前，已经有很多文献提出和创建了图像或视频中的主体识别模型。例如，在识别具有纹理特征的物体时，可以采用常用的纹理特征算子对物体进行分类。在另一些方法中，通过给定一些固定的场景，利用全局或局部特征来分析相关图像。还有一些方法提出了模仿物体各个关节部位的空间分布来进行分析，例如Weber等人提出通过局部特征来计算目标物体关节部位空间分布的方法。Agarwal等创建了大量的物体部位库，利用特征分类来实现识别各个物体部位的空间分布。其他方法包括利用变形模板或主动外观模型等进行学习，以及结合图分割方法和识别同步进行识别的方法等。上述方法都源于使用目标物体的空间分布来进行识别和分类。其中全局特征和局部特征方法由于是较为被动地学习，需要大量训练数据，增加了识别的难度。而通过关节空间分布的方法由于人体先天的复杂性，因此仅限于较少部位之间识别。部位库方法需要不断重复观察空间中各个主体小部位的出现，增加了数据量和处理的复杂度。变形模板方法需要事先做出符合人体形状姿势的各种模板，而应用图分割方法目前只能识别较少的目标物体。
技术实现思路
本专利技术提供一种人物识别、定位和统计方法，目的在于克服上述方法的不足，针对给定的视频文件，提出基于形状上下文特征算子匹配和基于聚类分析的行人识别、定位和统计的方法。为了实现上述目的，本专利技术提供了一种视频中的人物识别、定位和统计方法，包括如下步骤：步骤一：提供待训练的视频图像，对所述待训练的视频图像进行采样，得到各个样本点，计算每个样本点的形状上下文特征，并建立包含样本点的形状上下文特征的标准特征库；步骤二：提供待测试的视频图像，在每一帧待测试的视频图像中生成采样点，将各个采样点与步骤一中的标准特征库中的样本点进行匹配，设定第一阈值，当找到匹配的样本点的采样点的大于该第一阈值时，则可认定该帧待测试的视频图像为人物帧，并计算得到所有待测试的视频图像中每个人物帧的候选中心集合；步骤三：采用聚类算法对候选中心集合进行聚类分析，则聚类的数目为人物帧中人像的数目，每个聚类中心点为该人像的中心点。作为优选，步骤一中对待训练的视频图像进行边缘提取、均匀采样，得到人像形状的样本点集合I＝{p1,p2,...,pk本文档来自技高网...

【技术保护点】
一种视频中的人物识别、定位和统计方法，其特征在于，包括如下步骤：步骤一：提供待训练的视频图像，对所述待训练的视频图像进行采样，得到各个样本点，计算每个样本点的形状上下文特征，并建立包含样本点的形状上下文特征的标准特征库；步骤二：提供待测试的视频图像，在每一帧待测试的视频图像中生成采样点，将各个采样点与步骤一中的标准特征库中的样本点进行匹配，设定第一阈值，当找到匹配的样本点的采样点的大于该第一阈值时，则可认定该帧待测试的视频图像为人物帧，并计算得到所有待测试的视频图像中每个人物帧的候选中心集合；步骤三：采用聚类算法对候选中心集合进行聚类分析，则聚类的数目为人物帧中人像的数目，每个聚类中心点为该人像的中心点。

【技术特征摘要】
1.一种视频中的人物识别、定位和统计方法，其特征在于，包括
如下步骤：
步骤一：提供待训练的视频图像，对所述待训练的视频图像进行
采样，得到各个样本点，计算每个样本点的形状上下文特征，并建立
包含样本点的形状上下文特征的标准特征库；
步骤二：提供待测试的视频图像，在每一帧待测试的视频图像中
生成采样点，将各个采样点与步骤一中的标准特征库中的样本点进行
匹配，设定第一阈值，当找到匹配的样本点的采样点的大于该...

【专利技术属性】
技术研发人员：牛震亚，赵雷，苏庆刚，田阔，
申请(专利权)人：上海电机学院，
类型：发明
国别省市：上海;31