一种行人头部识别方法及系统技术方案

本发明专利技术适用于图像处理技术领域，提供了一种行人头部识别方法及系统，其中，行人头部识别方法包括：步骤S1，采集目标区域的深度图像，并从深度图像中提取前景图像；步骤S2，从前景图像中提取所有的感兴趣区域即ROI区域；步骤S3，以每一个ROI区域中的每一个像素点为圆心，通过构造同心圆来计算当前像素点属于头部区域内的像素点的概率，得到每个ROI区域中的每个像素点的概率值，将每个ROI区域中每个像素点的概率值与预置的第一阈值比较，将低于第一阈值的像素点滤除，剩下的以区域形式存在的像素点即为头部区域的点，每个区域即为识别出的一个头部；本发明专利技术提供的识别方法提高了头部识别准确率和效率。

【技术实现步骤摘要】
一种行人头部识别方法及系统
本专利技术属于图像处理
，尤其涉及一种行人头部识别方法及系统。
技术介绍
计算机视觉技术的突飞猛进带动了整个智能视频监控产业链的快速发展，由此孕育的巨大商机激发越来越多的企业及研究机构投入到该行业的前沿技术研发中来。在此背景下，基于图像处理、模式识别的行人检测技术逐渐发展起来，该项技术在智能视频监控领域中逐渐占据非常重要的地位。现有的基于图像处理的行人头部识别方法一般是通过识别人的一些身体特征比如识别头发的颜色、头部的轮廓或者头肩部模型等方式实现，但是上述特征均不具有代表性；比如，有些染过的头发的颜色并不能很好的识别，头发的颜色也会随着光照等因素变化，并且穿的衣服与头发颜色接近或者戴帽子等情况下也会干扰识别，造成识别准确率低；采用摄像头提取人头部的轮廓时，头部的轮廓会根据行人的运动而变化，不具有统一性；头肩部模型采用的是摄像头斜向下拍摄的方式，这样会产生遮挡问题，不能准确识别。
技术实现思路
本专利技术所要解决的技术问题在于提供一种行人头部识别方法及系统，旨在通过图像处理的方式智能高效的识别出人头部。本专利技术提供了一种行人头部识别方法，包括：步骤S1，获取深度摄像头垂直对准地面时从目标区域采集到的深度图像，并从所述深度图像中提取前景图像；步骤S2，从所述前景图像中提取所有头部的潜在区域作为感兴趣区域即ROI区域；步骤S3，以每一个ROI区域中的每一个像素点为圆心，通过构造同心圆来计算当前像素点属于头部区域内的像素点的概率，得到每个ROI区域中的每个像素点的概率值，将每个ROI区域中每个像素点的概率值与预置的第一阈值比较，将低于所述第一阈值的像素点滤除，剩下的以区域形式存在的像素点即为头部区域的点，每个区域即为识别出的一个头部。进一步地，所述步骤S1具体为：利用深度摄像头垂直对准地面，采集目标区域的深度图像，得到深度图像中坐标为(x,y)的点的像素值f(x,y)，将所述像素值f(x,y)和通过预先背景建模得到的坐标为(x,y)的点的像素值bg(x,y)比较，并结合公式得到前景图像中坐标为(x,y)的点的像素值mask(x,y)；所述公式为：其中，Tbg为背景模型和前景图像区分阈值；上述通过预先背景建模得到坐标为(x,y)的点的像素值bg(x,y)的过程具体为：通过采集若干张所述目标区域的背景图像，并对所述若干张背景图像中坐标为(x，y)的点的像素值取均值得到；所述坐标为(x,y)的点的像素值为该点在目标区域中的对应点与所述深度摄像头的相对距离。进一步地，所述步骤S2具体包括：步骤S21，以所述前景图像中的每一个像素点P为中心点，根据公式计算其8邻域中像素点的像素值的均值m；所述公式为：其中，p(k)为该邻域内的像素点的像素值；步骤S22，若该邻域的均值m和其中心点像素值p的差值的绝对值d小于预置的第二阈值Tm，则根据方差公式计算该邻域内的方差v；所述方差公式为：步骤S23，若方差v小于预置的第三阈值Tv，则判定该邻域属于ROI区域。进一步地，所述步骤S3具体包括：步骤S31，以每一个ROI区域中的每一个像素点为圆心，构造同心圆，所述同心圆的内圆半径为r，外圆半径为n×r；其中，R为通过统计得到的人头部区域中心点到边缘的平均像素点个数，1.2≤n≤1.7；步骤S32，对内圆内取得的像素点的像素值进行排序，记录从内圆区域中取得的像素点的像素值所形成的序列ArrayInner，所述序列ArrayInner的长度为lengthInner，其中，像素值最大点的像素值为NinnerMax；并对内外圆之间的区域内取得的像素点的像素值进行排序，记录从内外圆之间的区域取得的像素点的像素值所形成的序列ArrayOuter，所述序列ArrayOuter的长度为lengthOuter，其中，像素值最小点的像素值为NouterMin；上述取得的像素点在各自区域内满足均匀分布，且从内圆区域内取得的像素点的数量lengthInner与从内外圆之间的区域取得的像素点的数量lengthOuter相等；步骤S33，计算在序列ArrayOuter中比NinnerMax小的点的数量作为Num_1，计算在序列ArrayInner中比NouterMin大的点的数量作为Num_2，并根据公式计算当前像素点属于头部区域内的像素点的概率L，并记录概率值；所述公式为：L＝(lengthInner+lengthOuter-Num_1-Num_2)/(lengthInner+lengthOuter)；步骤S34，增大同心圆的内圆半径为rnew，rnew＝r+r×α，其中α代表同心圆的内圆半径r增大的速度，0＜α＜1，此时，外圆半径为n×rnew；当rnew≦2R时，令r＝rnew，并重复上述步骤S32-S34来计算ROI区域中的每一个像素点属于头部区域内的像素点的概率，并记录概率值，以记录的每一个像素点的最大概率作为该像素点属于头部区域内的像素点的最终概率；当rnew>2R时，转至步骤S35；步骤S35，将每个像素点的最终概率与所述第一阈值比较，将低于所述第一阈值的像素点滤除，剩下的以区域形式存在的像素点即为头部区域的点，每个区域即为识别出的一个头部。本专利技术还提供了一种行人头部识别系统，包括：前景图像提取模块，用于获取深度摄像头垂直对准地面时从目标区域采集到的深度图像，并从所述深度图像中提取前景图像；ROI区域提取模块，用于从所述前景图像中提取所有头部的潜在区域作为感兴趣区域即ROI区域；头部识别模块，用于通过构造同心圆来识别人头部区域；具体地，以每一个ROI区域中的每一个像素点为圆心，通过构造同心圆来计算当前像素点属于头部区域内的像素点的概率，得到每个ROI区域中的每个像素点的概率值，将每个ROI区域中每个像素点的概率值与预置的第一阈值比较，将低于所述第一阈值的像素点滤除，剩下的以区域形式存在的像素点即为头部区域的点，每个区域即为识别出的一个头部。进一步地，所述前景图像提取模块具体用于：利用深度摄像头垂直对准地面，采集目标区域的深度图像，得到深度图像中坐标为(x,y)的点的像素值f(x,y)，将像素值f(x,y)和通过预先背景建模得到的坐标为(x,y)的点的像素值bg(x,y)比较，并结合公式得到前景图像中坐标为(x,y)的点的像素值mask(x,y)；所述公式为：其中，Tbg为背景模型和前景图像区分阈值；上述通过预先背景建模得到坐标为(x,y)的点的像素值bg(x,y)的过程具体为：通过采集若干张所述目标区域的背景图像，并对所述若干张背景图像中坐标为(x,y)的点的像素值取均值得到；所述坐标为(x,y)的点的像素值为该点在目标区域中的对应点与所述深度摄像头的相对距离。进一步地，所述ROI区域提取模块具体包括：均值计算子模块，用于以所述前景图像中的每一个像素点P为中心点，根据公式计算其8邻域中像素点的像素值的均值m；所述公式为：其中，p(k)为该邻域内的像素点的像素值；方差计算子模块，用于在该邻域的均值m和其中心点像素值p的差值的绝对值d小于预置的第二阈值Tm时，根据方差公式计算该邻域内的方差v；所述方差公式为：ROI区域判定子模块，用于在方差v小于预置的第三阈值Tv时，判定该邻域属于ROI区域。进一步地，所述头部识本文档来自技高网...

【技术保护点】
一种行人头部识别方法，其特征在于，包括：步骤S1，获取深度摄像头垂直对准地面时从目标区域采集到的深度图像，并从所述深度图像中提取前景图像；步骤S2，从所述前景图像中提取所有头部的潜在区域作为感兴趣区域即ROI区域；步骤S3，以每一个ROI区域中的每一个像素点为圆心，通过构造同心圆来计算当前像素点属于头部区域内的像素点的概率，得到每个ROI区域中的每个像素点的概率值，将每个ROI区域中每个像素点的概率值与预置的第一阈值比较，将低于所述第一阈值的像素点滤除，剩下的以区域形式存在的像素点即为头部区域的点，每个区域即为识别出的一个头部。

【技术特征摘要】
1.一种行人头部识别方法，其特征在于，包括：步骤S1，获取深度摄像头垂直对准地面时从目标区域采集到的深度图像，并从所述深度图像中提取前景图像；步骤S2，从所述前景图像中提取所有头部的潜在区域作为感兴趣区域即ROI区域；步骤S3，以每一个ROI区域中的每一个像素点为圆心，通过构造同心圆来计算当前像素点属于头部区域内的像素点的概率，得到每个ROI区域中的每个像素点的概率值，将每个ROI区域中每个像素点的概率值与预置的第一阈值比较，将低于所述第一阈值的像素点滤除，剩下的以区域形式存在的像素点即为头部区域的点，每个区域即为识别出的一个头部。2.如权利要求1所述的行人头部识别方法，其特征在于，所述步骤S1具体为：利用深度摄像头垂直对准地面，采集目标区域的深度图像，得到深度图像中坐标为(x,y)的点的像素值f(x,y)，将所述像素值f(x,y)和通过预先背景建模得到的坐标为(x,y)的点的像素值bg(x,y)比较，并结合公式得到前景图像中坐标为(x,y)的点的像素值mask(x,y)；所述公式为：其中，Tbg为背景模型和前景图像区分阈值；上述通过预先背景建模得到坐标为(x,y)的点的像素值bg(x,y)的过程具体为：通过采集若干张所述目标区域的背景图像，并对所述若干张背景图像中坐标为(x，y)的点的像素值取均值得到；所述坐标为(x,y)的点的像素值为该点在目标区域中的对应点与所述深度摄像头的相对距离。3.如权利要求1所述的行人头部识别方法，其特征在于，所述步骤S2具体包括：步骤S21，以所述前景图像中的每一个像素点P为中心点，根据公式计算其8邻域中像素点的像素值的均值m；所述公式为：其中，p(k)为该邻域内的像素点的像素值；步骤S22，若该邻域的均值m和其中心点像素值p的差值的绝对值d小于预置的第二阈值Tm，则根据方差公式计算该邻域内的方差v；所述方差公式为：步骤S23，若方差v小于预置的第三阈值Tv，则判定该邻域属于ROI区域。4.如权利要求1所述的行人头部识别方法，其特征在于，所述步骤S3具体包括：步骤S31，以每一个ROI区域中的每一个像素点为圆心，构造同心圆，所述同心圆的内圆半径为r，外圆半径为n×r；其中，R为通过统计得到的人头部区域中心点到边缘的平均像素点个数，1.2≤n≤1.7；步骤S32，对内圆内取得的像素点的像素值进行排序，记录从内圆区域中取得的像素点的像素值所形成的序列ArrayInner，所述序列ArrayInner的长度为lengthInner，其中，像素值最大点的像素值为NinnerMax；并对内外圆之间的区域内取得的像素点的像素值进行排序，记录从内外圆之间的区域取得的像素点的像素值所形成的序列ArrayOuter，所述序列ArrayOuter的长度为lengthOuter，其中，像素值最小点的像素值为NouterMin；上述取得的像素点在各自区域内满足均匀分布，且从内圆区域内取得的像素点的数量lengthInner与从内外圆之间的区域取得的像素点的数量lengthOuter相等；步骤S33，计算在序列ArrayOuter中比NinnerMax小的点的数量作为Num_1，计算在序列ArrayInner中比NouterMin大的点的数量作为Num_2，并根据公式计算当前像素点属于头部区域内的像素点的概率L，并记录概率值；所述公式为：L＝(lengthInner+lengthOuter-Num_1-Num_2)/(lengthInner+lengthOuter)；步骤S34，增大同心圆的内圆半径为rnew，rnew＝r+r×α，其中α代表同心圆的内圆半径r增大的速度，0＜α＜1，此时，外圆半径为n×rnew；当rnew≦2R时，令r＝rnew，并重复上述步骤S32-S34来计算ROI区域中的每一个像素点属于头部区域内的像素点的概率，并记录概率值，以记录的每一个像素点的最大概率作为该像素点属于头部区域内的像素点的最终概率；当rnew>2R时，转至步骤S35；步骤S35，将每个像素点的最终概率与所述第一阈值比较，将低于所述第一阈值的像素点滤除，剩下的以区域形式存在的像素点即为头部区域的点，每个区域即为识别出的一个头部。5.一种行人头部识别系统，其特征在于，包括：前景图像提取模块，用于获取深度摄像头垂直对准地...

【专利技术属性】
技术研发人员：张勇，刘磊，陈泽虹，赵东宁，李岩山，
申请(专利权)人：深圳大学，
类型：发明
国别省市：广东,44