基于視頻的施工升降機(jī)乘客頭部識別方法研究

劉 勇，王曉軍，雷玉香（山東科技大學(xué)，山東青島，266000）

?

基于視頻的施工升降機(jī)乘客頭部識別方法研究

劉 勇，王曉軍，雷玉香
（山東科技大學(xué)，山東青島，266000）

摘要：針對目前人數(shù)統(tǒng)計檢測主要以人工為主，存在人為因素干擾的問題，提出一種基于視頻處理的升降機(jī)內(nèi)人數(shù)統(tǒng)計方法，本文主要對系統(tǒng)中頭部識別方面進(jìn)行了研究，利用模板匹配算法尋找視頻幀中與模板相近的人頭位置，針對出現(xiàn)的兩種虛警誤判，分別采用運(yùn)動區(qū)域檢測和Hu不變矩形狀匹配進(jìn)行去除。實(shí)驗(yàn)結(jié)果表明，利用該方法能夠有效的去除虛警，符合實(shí)際應(yīng)用需求。

關(guān)鍵詞：目標(biāo)檢測；Hu不變矩；模板匹配

0　引言

隨著我國經(jīng)濟(jì)的快速發(fā)展，施工場地的增多，安全問題越來越嚴(yán)重。升降機(jī)內(nèi)的人數(shù)是影響升降機(jī)安全運(yùn)行的重要因素，但是卻常常被人給忽視。目前人數(shù)統(tǒng)計檢測主要以人工為主，存在人為因素干擾，所以有必要利用監(jiān)控系統(tǒng)實(shí)時地統(tǒng)計出升降機(jī)內(nèi)的人數(shù)，防止升降機(jī)超人數(shù)運(yùn)行，造成嚴(yán)重的事故。

針對現(xiàn)有方法的不足之處，提出一種人數(shù)統(tǒng)計方法，首先利用混合高斯背景模型實(shí)時更新背景，通過背景差分法得到比較精確的目標(biāo)運(yùn)動區(qū)域，然后利用直方圖模板匹配算法確定所要跟蹤的目標(biāo)，最后利用最近鄰匹配算法，實(shí)現(xiàn)人數(shù)的統(tǒng)計。

本文主要針對系統(tǒng)中人頭識別方法的研究，通過改進(jìn)模板匹配算法，使得最終的識別結(jié)果更加精確。

1　改進(jìn)的模板匹配算法

1.1模板匹配原理

模板匹配原理是將已有模板T在視頻圖像序列的每一幀圖像S中進(jìn)行搜索，并假設(shè)子塊內(nèi)每個像素都只做相等的平移。在一定的搜索范圍內(nèi)，已有的模板與當(dāng)前幀中的子塊進(jìn)行比較，并按照一定的匹配準(zhǔn)則找出最佳的匹配點(diǎn)。

常見的模板匹配準(zhǔn)則大體上分為六種，每種匹配準(zhǔn)則采用的匹配原理、判斷標(biāo)準(zhǔn)、結(jié)果真確度和計算量都不盡相同。隨著從簡單的測量方法到復(fù)雜的測量方法，得到的匹配結(jié)果會越來越準(zhǔn)確，但是也會帶來越來越大的計算量，降低系統(tǒng)的實(shí)時性。本文通過均衡系統(tǒng)所需計算精度和實(shí)時性效果，選擇了標(biāo)準(zhǔn)平方法匹配方法。該方法的匹配原理為

這種方法利用平方差來進(jìn)行匹配，最好匹配為0，匹配越差，匹配值越大。

1.2虛警類型及對應(yīng)的去除方法

如果只是簡單地利用模板匹配方法進(jìn)行人頭識別，往往會出現(xiàn)很多虛警（即不是人頭區(qū)域卻被當(dāng)做人頭區(qū)域被標(biāo)記出來）。檢測結(jié)果中常見的虛警有兩類:第一類是將靜止場景中的某些部分錯誤的識別為人頭，第二類是將人體其他部位誤認(rèn)為是人頭。本文在模板匹配的基礎(chǔ)上增加了其他的一些算法，目的就是為了出去簡單模板匹配出現(xiàn)的虛警，針對不同類型的虛警，分別提出了不同去除方法。

（1）第一類虛警去除方法

由于第一類虛警檢測到的區(qū)域位于靜止的部分，而我們在運(yùn)動目標(biāo)檢測時已經(jīng)得到了比較理想的檢測結(jié)果。即第一類虛警對應(yīng)于運(yùn)動檢測中的背景區(qū)域，而我們要檢測的目標(biāo)位于前景區(qū)域，所以只要在模板檢測結(jié)果中加上是否位于運(yùn)動檢測中的前景區(qū)域這個條件，就可以有效的去除這類虛警。采用背景差分法作為運(yùn)動區(qū)域檢測算法，它具有簡單快速的優(yōu)點(diǎn)。選擇視頻第一幀為初始背景圖像，并利用公式（1）進(jìn)行不斷更新，得到第k幀圖像的背景圖像：

（2）第二類虛警的去除方法

第二類虛警雖然在運(yùn)動區(qū)域，但是它的形狀往往跟模板差距較大，因此可以用圖像的形狀特征匹配來去除這類虛警。涉及到圖像形狀特征，人們通常采用矩來表示。

為了保證圖像的旋轉(zhuǎn)不變性，Hu利用二階和三階歸一化中心矩構(gòu)造了7個不變矩。本文采用Hu不變矩來表示圖像的形狀特征，通過計算模板和圖像子塊輪廓的Hu矩，并判斷它們之間的相似程度，通過設(shè)定一定的閾值去除形狀跟模板差別較大的虛警。

2　結(jié)果分析

圖1　第一類虛警去除結(jié)果圖

通過圖1中的（a）跟（b）圖片對比，通過添加的檢測結(jié)果必須位于前景區(qū)域這個條件，成功地去除了汽車部分虛警，這種去除方法可以很好地去除靜止區(qū)域的虛警并且保留了運(yùn)動區(qū)域的檢測結(jié)果。

通過觀察圖2中兩幅圖片:（a）圖像中除了有正確的人頭區(qū)域外還將人體腿部錯位識別標(biāo)記為人頭。雖然這兩個區(qū)域在圖像灰度值上差別不是很大，但是可以看出腿部區(qū)域的形狀跟頭部區(qū)域差別很大，利用前面提到Hu不變矩來表示形狀特征，并通過匹配結(jié)果的差異去除這類虛警。右邊結(jié)果圖像可以看出，通過添加形狀特征這個條件成功的將腿部的虛警去除。

3　結(jié)論

對固定攝像頭下視頻序列中運(yùn)動物體的識別進(jìn)行了研究?？梢杂行У亟鉀Q遮擋問題，避免因遮擋而造成的漏檢。針對光照和其他干擾對人頭識別的影響，提出了一種基于顏色、形狀和運(yùn)動信息的多特征融合的人頭識別算法，為后面人頭的準(zhǔn)確跟蹤和統(tǒng)計提供了一個良好的前提，有一定的實(shí)用性。

鑒于實(shí)際環(huán)境的多樣性和復(fù)雜性，還需要對本文算法進(jìn)行進(jìn)一步的改進(jìn)，使其適應(yīng)性和穩(wěn)定性更好。

參考文獻(xiàn)

［1］ Gianluca Antonini，Jean Philippe Thiran，Senior Member. Counting pedestrians in video sequences using trajectory clustering［J］.IEEE Video Technology，2006，16（8）：1008-1020.

［2］ 高軍，李學(xué)偉，張建.基于模板匹配的圖像配準(zhǔn)算法［J］.西安交通大學(xué)學(xué)報，2007，41（3）： 307-311

［3］ 陳皓，馬彩文，陳岳承.基于灰度統(tǒng)計的快速模板匹配算法［J］.光子學(xué)報，2009，38（6）：1586-1590

Study of head identification in the elevator based on video

Liu Yong，Wang Xiaojun，Lei Yuxiang
（Shandong University of Science and Technology，Qingdao Shandong，266000）

Abstract：In view of the current number of elevator is given priority to with artificial，manmade interference，a approach based on video processing to counting the number of the people in the elevator is presented.This paper mainly studied the head identification.Using the template matching algorithm finds the position that is similar to the template.For the two kinds of false alarm，we use moving region detection and Hu moment invariants to remove them.The experimental results show that using this method can effectively remove the false alarm，can meet the demand of practical application.

Keywords：object detection；Hu invariant moments；template matching

作者簡介

劉勇（1989-），男，漢族，山東德州市人，碩士研究生，單位：山東科技大學(xué)電子通信與物理學(xué)院，研究方向：圖像處理與分析。

圖2　第二類虛警去除結(jié)果圖