买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：江苏旅游职业学院

摘要：本发明涉及一种基于AdaBoost结合改进高斯混合模型的人体检测算法。该方法包括有目标检测和人体识别，目标检测包括有以下步骤，S1：高斯混合背景建模；S2：动态高斯混合背景提取；S3：根据区域像素均值与方差值的变化，自适应调整区域阈值；人体识别包括有以下步骤：S1：视频区域进行划分；S2：将检测的运动物体位置特征输入强分类器，得到头部候选区域；S3将头部候选区域中计算得到的头部特征量转化为特征向量；S4：根据函数式判断是否为人体目标；本文根据运行期均值法和高斯混合背景建模各自的特点，将两种方法相结合，提高了背景建模的实时性和准确性；同时充分利用人体位置信息定位人体头部，在一定程度上减少了计算量，同时也提高了识别准确度。

主权项：1.一种基于AdaBoost结合改进高斯混合模型的人体检测算法，其特征在于，包括有目标检测以及人体识别，所述目标检测包括有以下步骤：S1：高斯混合背景建模，该模型主要对图像中像素设置K3-5个高斯分布模型，并统计前N帧相同位置像素的亮度值从而得到当前帧中各个像素在t时刻的概率分布情况，如式1 S2：动态高斯混合背景提取；步骤一，根据Bix,y＝λfi-1x,y+1-λBi-1x,y计算得到初步背景图像B；步骤二，根据初步背景图像B初始化高斯模型，将每个像素建立一个高斯模型；步骤三，将新获得的像素逐一与现有的高斯分部进行匹配，判断当前高斯分布个数是否到达设定的最大值阈值；步骤四，将高斯分布具有相似的进行去重合并，图像循环后通过式2获得更新后的背景Bnew； 步骤五，后续背景更新根据计算噪音点数，如果噪音点数达到阈值则采用运行期均值得到背景B，否则根据式2动态高斯更新背景得到背景Bnew；S3：根据区域像素均值与方差值的变化，自适应调整区域阈值；步骤一，将监控视频区域划分成若干分块区域；步骤二，将S2中得到的背景图像BBnew与当前帧I相减，获得差分图像D；步骤三，计算各区域n的差分图的均值与方差；步骤四，提取前景图像。所述人体识别包括有以下步骤：S1：将视频区域进行划分，每个区域对应一个弱分类器，初始化设置视频边缘区域头部与身体之间的比例为1:3，视频正下方的头部与身体之间的比例为1:2；S2：采用AdaBoost算法利用Hx＝α1h1x+α2h2x+…αThTx将弱分类器串联分级得到强分类器；S3：将检测到的运动物体位置特征输入强分类器，计算每个弱分类器的权值α，再计算强分类器Hx得到头部候选区域；S4：在头部候选区域中计算头部特征量，a1的值为头肩宽度比、a2的值为圆形度、a3的值为均值与方差比，将这些特征量转化成特征向量x＝a1,a2,a3；S5：根据样本特征向量通过式j＝1,2…M计算头部类模式内部平均矢量的距离m；S6：调用决策函数式计算得出类模式之间的距离，如果dx＞T则判定属于人体；如果dx＜T则不属于人体；如果dx＝T则无法判定，其中T的值根据大量样本训练测试得出。

全文数据：

权利要求：

百度查询： 江苏旅游职业学院 一种基于AdaBoost结合改进高斯混合模型的人体检测算法