基于HSV和LBP特征的人数统计算法研究
合集下载
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
基金项 目：
同家 自然科学基金 （ Ｎ ｏ ． ６ １ ４ ７ １ ３ ７ ０ ）
０ 引 言
目前 ， 基 于罔像 的人 数统计 大致 可 以分 为＝ ＝ 三 个 阶
测， 完成人数统计。
１ Ｈ Ｓ Ｖ与 Ｌ ＢＰ特 征 提 取
鉴于人体 头部发 色特征 ， 由于 Ｈ Ｓ Ｖ具有 较好 的色 度分 离性质 ， 能有 效区分教室 背景下 的 目标 与背景 ， 本
由于人体 头部 与周 边环境 除颜 色区别外 ， 其 在纹 理上 也 区别 明显 。 且 纹理 特征也 能 区别头 部与其 他黑 色 区域 。因此 本文中拟提取 Ｌ Ｂ Ｐ纹理 特征对头部 区域
进行描 述 。Ｌ Ｂ Ｐ特征 是通 过某点 的所有投影 射线进行
本文基本方法是通过 人体头部 来对教室 中人数 进
，
图 形 图 像
文章编号 ： ｌ ０ ０ ７ 一 ｌ ４ ２ ３ （ ２ ０ ｌ ７ ） ｌ ６ － ０ ０ １ ９ — ０ ５ Ｄ ＯＩ ： １ ０ ． ３ ９ ６ ９ ／ ３ ． ｉ Ｓ Ｓ Ｆ Ｉ ． １ ０ ０ ７ — １ ４ ２ ３ ． ２ ０ １ ７ ． １ ６ ． ０ ０ ４
Ｈ Ｓ Ｖ 色 彩空 间 建 ４ 连 通 自动检 测 模 头 部嫉 选 区域
’
’
Ｈ 、ｓ 通道特征 提取
征提取 Ｌ Ｂ Ｐ 特征提取 Ｈ 、ｓ 通道特征 提取
Ｌ Ｂ Ｐ 特征提取
Ｌ Ｂ Ｐ 特征提取
特 征合 成
特 征合成
上
特 征匹 配
Ｊ ，
剔 除 非头 像 区域
文 中首 先 对头部 进行 Ｈ Ｓ Ｖ特 征 的提取 。选 取 色度 信
息描述较 为独立 的 Ｈ Ｓ Ｖ色 彩空间建模后 ， 提 取 Ｈ、 ｓ 通 道 直方 图 ． 得 到颜 色特征 模型 ， 通 过 实验 发现 ， 当色 度
和饱 和度均 小于 ０ ． １ 时 为黑 色区域 ， 同样得到头部 区域 色度 和饱 和度均集 中于 ０ ～ ０ ． １ 之间 ． 具有较明显 的颜 色 特征 ， 如图 ２ 所示 。
后 的二 值化图像 中 ， 头部 区域突 出 ， 经过二值 图像 ４连 通判定 ， 确定感兴趣 区域 。
２ 头部 区域检测
为获取感 兴趣 区域 ， 文中根据头部 发色特点 ， 对 实
３ 特 征 匹配
获取 感兴趣 区域 后 ， 需要 利用 特征 匹配将 真正 的
现 代计 算机
２ ０ １ ７ ． ０ ６上
＼
图 形 图 像
实 时数 据获 取
／ 训练蕊德 ／
／ 读入 ／
化 、 祛 …斑 、 补 ｔ 一 搁
－
圈 』 Ｉ 像预 处理 （ 二值
上 ，
边缘 提取
Ｈ ｓ ｖ 色 彩空 阔 建模
头 部 区域提 取
边缘 提 取
行统 计 ， 算法基本步骤包括 Ｈ Ｓ Ｖ颜色和 Ｌ Ｂ Ｐ纹理特 征 提取 、 感兴趣 区域 自动检测 、 特征 匹配 ， 如图 ｌ 所示。
累加 ， 再 反向估算 出该 点的密度值 。然而 ， 通 过实验发 现Ｌ Ｂ Ｐ算 子提 取 出纹理特征后 ， 其 唯一性 仍不够明 ． 文 中对其 进行 一定 改进 ， 采取 计算 边缘后 再提 取 Ｌ Ｂ Ｐ 特征 ， 如图 ３所示 。陶 中显示 ， 经过边缘提取 后 的 Ｌ Ｂ Ｐ 特征 ， 其头部 区域纹 理特征与邻 近区域 区分 更加明 ， 较为 清晰地分 为 了 ２个部分 ， ０ ～ ０ ． ０ ５为头部 内侧 ， ０ ． ０ ５
图 １巾 ， 算法 实施 分为两 个部 分 ： 离 线训 练部 分 ， 在 训练 图像 中对教室 内人体 头部 的 Ｈ Ｓ Ｖ和 Ｌ Ｂ Ｐ特 征
进行 提取建立头部基 本模型 ； 在线数 据检测部分 ， 首先
提取 感兴趣 区域 ， 而后 对感兴趣 区域提取 Ｈ Ｓ Ｖ和 Ｌ Ｂ Ｐ
特征， 通 过特 征合成 与特 征 配 实现人 体头 部 区域 检
／ ，
／
基于 Ｈ Ｓ Ｖ和 Ｌ Ｂ Ｐ特征 的人数 统计 算法研究
谭 志 国， 王辉 ， 沈先耿
（ 武警警官学院 ， 成都 ６ １ ２ ０ ０ ０ ）
摘要：
针 对课 堂人 ＿ ［ 查勤效 率较 低 的情 况 ， 提 出一 种利 用纹理 和颜 色特 征的 教室人 数统 计算法 。首 先提 取 Ｈ Ｓ Ｖ颜 色 和
厂 ・ 、
（ 统计获取结果 ／ ）
图 １教 室人 数统 计算法流程
（ ａ ） Ｈ通道直方图
（ ｂ ） Ｓ通道直方 网
（ ａ ） 原图 Ｌ Ｂ Ｐ特征
（ ｈ ） 边缘提取后 Ｌ Ｂ Ｐ特征
图２ ＨＳ 通 道 颜 色 直方 网
图３ Ｌ Ｂ Ｐ特 征
以上为边缘 区域 。
Ｌ Ｂ Ｐ纹理 特征建立人体头部 模型 ， 而后 根据 头部颜色特点进 行 图像 二值化获取候选 感兴趣 区域 ， 通过与模 型进行 配得到人 体头部 区域最终实现人 数检测 与统计。通过实验说明该算法在教室背景下 能较好 、 准确地 实现人数统计 ，
关键词 ： 人数统计 ； 头部检测 ； Ｈ Ｓ Ｖ ； Ｌ究 利用人 体特 征进行 人体检 测 ， 检测过程 全依 赖于操作人员 是这一阶段 的工 作的 显著
特点 ； 第二 阶段 是利用新兴 的计算 机技术完成 检测 ， 但 是仍然 没有摆 脱人 的干预 ； 第 三阶段 是真正 的机器 自
动识 别阶段 。人数统 计算 法可分 为 ３ 类 唧 基 于图像 像素 、 区域 和纹 理特 征 的算 法 。但 已有 算法 难 以适 应 不 没条 件 的任 何背景 下 的人数统 计 问题 ， 存 在各 自的 局 限性 。针对 课堂 人＿ 丁查 勤效率 较低 的情况 ， 本 文研 究 了教 室 背 景 下 的人 数 统 计 问 题 ， 提 出 了一 种 利 用 Ｈ Ｓ Ｖ和 Ｌ Ｂ Ｐ特征结合的头部检测 的人数统计算法 。
同家 自然科学基金 （ Ｎ ｏ ． ６ １ ４ ７ １ ３ ７ ０ ）
０ 引 言
目前 ， 基 于罔像 的人 数统计 大致 可 以分 为＝ ＝ 三 个 阶
测， 完成人数统计。
１ Ｈ Ｓ Ｖ与 Ｌ ＢＰ特 征 提 取
鉴于人体 头部发 色特征 ， 由于 Ｈ Ｓ Ｖ具有 较好 的色 度分 离性质 ， 能有 效区分教室 背景下 的 目标 与背景 ， 本
由于人体 头部 与周 边环境 除颜 色区别外 ， 其 在纹 理上 也 区别 明显 。 且 纹理 特征也 能 区别头 部与其 他黑 色 区域 。因此 本文中拟提取 Ｌ Ｂ Ｐ纹理 特征对头部 区域
进行描 述 。Ｌ Ｂ Ｐ特征 是通 过某点 的所有投影 射线进行
本文基本方法是通过 人体头部 来对教室 中人数 进
，
图 形 图 像
文章编号 ： ｌ ０ ０ ７ 一 ｌ ４ ２ ３ （ ２ ０ ｌ ７ ） ｌ ６ － ０ ０ １ ９ — ０ ５ Ｄ ＯＩ ： １ ０ ． ３ ９ ６ ９ ／ ３ ． ｉ Ｓ Ｓ Ｆ Ｉ ． １ ０ ０ ７ — １ ４ ２ ３ ． ２ ０ １ ７ ． １ ６ ． ０ ０ ４
Ｈ Ｓ Ｖ 色 彩空 间 建 ４ 连 通 自动检 测 模 头 部嫉 选 区域
’
’
Ｈ 、ｓ 通道特征 提取
征提取 Ｌ Ｂ Ｐ 特征提取 Ｈ 、ｓ 通道特征 提取
Ｌ Ｂ Ｐ 特征提取
Ｌ Ｂ Ｐ 特征提取
特 征合 成
特 征合成
上
特 征匹 配
Ｊ ，
剔 除 非头 像 区域
文 中首 先 对头部 进行 Ｈ Ｓ Ｖ特 征 的提取 。选 取 色度 信
息描述较 为独立 的 Ｈ Ｓ Ｖ色 彩空间建模后 ， 提 取 Ｈ、 ｓ 通 道 直方 图 ． 得 到颜 色特征 模型 ， 通 过 实验 发现 ， 当色 度
和饱 和度均 小于 ０ ． １ 时 为黑 色区域 ， 同样得到头部 区域 色度 和饱 和度均集 中于 ０ ～ ０ ． １ 之间 ． 具有较明显 的颜 色 特征 ， 如图 ２ 所示 。
后 的二 值化图像 中 ， 头部 区域突 出 ， 经过二值 图像 ４连 通判定 ， 确定感兴趣 区域 。
２ 头部 区域检测
为获取感 兴趣 区域 ， 文中根据头部 发色特点 ， 对 实
３ 特 征 匹配
获取 感兴趣 区域 后 ， 需要 利用 特征 匹配将 真正 的
现 代计 算机
２ ０ １ ７ ． ０ ６上
＼
图 形 图 像
实 时数 据获 取
／ 训练蕊德 ／
／ 读入 ／
化 、 祛 …斑 、 补 ｔ 一 搁
－
圈 』 Ｉ 像预 处理 （ 二值
上 ，
边缘 提取
Ｈ ｓ ｖ 色 彩空 阔 建模
头 部 区域提 取
边缘 提 取
行统 计 ， 算法基本步骤包括 Ｈ Ｓ Ｖ颜色和 Ｌ Ｂ Ｐ纹理特 征 提取 、 感兴趣 区域 自动检测 、 特征 匹配 ， 如图 ｌ 所示。
累加 ， 再 反向估算 出该 点的密度值 。然而 ， 通 过实验发 现Ｌ Ｂ Ｐ算 子提 取 出纹理特征后 ， 其 唯一性 仍不够明 ． 文 中对其 进行 一定 改进 ， 采取 计算 边缘后 再提 取 Ｌ Ｂ Ｐ 特征 ， 如图 ３所示 。陶 中显示 ， 经过边缘提取 后 的 Ｌ Ｂ Ｐ 特征 ， 其头部 区域纹 理特征与邻 近区域 区分 更加明 ， 较为 清晰地分 为 了 ２个部分 ， ０ ～ ０ ． ０ ５为头部 内侧 ， ０ ． ０ ５
图 １巾 ， 算法 实施 分为两 个部 分 ： 离 线训 练部 分 ， 在 训练 图像 中对教室 内人体 头部 的 Ｈ Ｓ Ｖ和 Ｌ Ｂ Ｐ特 征
进行 提取建立头部基 本模型 ； 在线数 据检测部分 ， 首先
提取 感兴趣 区域 ， 而后 对感兴趣 区域提取 Ｈ Ｓ Ｖ和 Ｌ Ｂ Ｐ
特征， 通 过特 征合成 与特 征 配 实现人 体头 部 区域 检
／ ，
／
基于 Ｈ Ｓ Ｖ和 Ｌ Ｂ Ｐ特征 的人数 统计 算法研究
谭 志 国， 王辉 ， 沈先耿
（ 武警警官学院 ， 成都 ６ １ ２ ０ ０ ０ ）
摘要：
针 对课 堂人 ＿ ［ 查勤效 率较 低 的情 况 ， 提 出一 种利 用纹理 和颜 色特 征的 教室人 数统 计算法 。首 先提 取 Ｈ Ｓ Ｖ颜 色 和
厂 ・ 、
（ 统计获取结果 ／ ）
图 １教 室人 数统 计算法流程
（ ａ ） Ｈ通道直方图
（ ｂ ） Ｓ通道直方 网
（ ａ ） 原图 Ｌ Ｂ Ｐ特征
（ ｈ ） 边缘提取后 Ｌ Ｂ Ｐ特征
图２ ＨＳ 通 道 颜 色 直方 网
图３ Ｌ Ｂ Ｐ特 征
以上为边缘 区域 。
Ｌ Ｂ Ｐ纹理 特征建立人体头部 模型 ， 而后 根据 头部颜色特点进 行 图像 二值化获取候选 感兴趣 区域 ， 通过与模 型进行 配得到人 体头部 区域最终实现人 数检测 与统计。通过实验说明该算法在教室背景下 能较好 、 准确地 实现人数统计 ，
关键词 ： 人数统计 ； 头部检测 ； Ｈ Ｓ Ｖ ； Ｌ究 利用人 体特 征进行 人体检 测 ， 检测过程 全依 赖于操作人员 是这一阶段 的工 作的 显著
特点 ； 第二 阶段 是利用新兴 的计算 机技术完成 检测 ， 但 是仍然 没有摆 脱人 的干预 ； 第 三阶段 是真正 的机器 自
动识 别阶段 。人数统 计算 法可分 为 ３ 类 唧 基 于图像 像素 、 区域 和纹 理特 征 的算 法 。但 已有 算法 难 以适 应 不 没条 件 的任 何背景 下 的人数统 计 问题 ， 存 在各 自的 局 限性 。针对 课堂 人＿ 丁查 勤效率 较低 的情况 ， 本 文研 究 了教 室 背 景 下 的人 数 统 计 问 题 ， 提 出 了一 种 利 用 Ｈ Ｓ Ｖ和 Ｌ Ｂ Ｐ特征结合的头部检测 的人数统计算法 。