本文介绍了一种基于像素差特征和人头先验模型的Matlab人头检测方法，通过Adaboost多视角分类器和人头模型匹配，提高了检测的实时性和准确性。这种方法包括图像金字塔构建、窗口扫描、像素差特征提取、Adaboost分类以及前景提取等步骤，适用于客流监控和公交乘客数量统计等场景。
本发明属于图像处理技术领域，具体为一种人头检测的方法。
背景技术：
图像处理系统中，目标检测是一个普遍而重要的方面，人头检测更是应用广泛。CN103020706 A、一种基于运动目标检测与Haar特征的人流量统计算法提出了一种采用Adaboost+Haar特征的检测器与运动目标检测结合的方案，其中运动检测仅仅作为一种限定检测区域的辅助，在检测效率上有一些提高但准确率仍然有待提高；CN102004924 A、一种人头检测系统及方法则采用了一种分块LBP特征进行检测，效果还算可以，实时性却远无法满足要求。
技术实现要素：
针对现有技术中存在的上述问题，本发明的目的在于设计提供一种人头检测的方法的技术方案，该方法采用像素差特征和人头先验模型在检测实时性和准率上都有一个较大提升。
所述的一种人头检测的方法，其特征在于包括以下步骤：对输入的视频图像进行前景提取同时将每帧图像缩放到不同的尺寸，对每个固定尺寸的图像窗口提取像素差特征送入Adaboost多视角分类器进行人头检测，采用人头模型对前景掩码进行匹配生成人头先验概率图，先验概率图与Adaboost多视角分类器结果进行加权得到最终结果。
所述的一种人头检测的方法，其特征在于对输入的图像数据，根据设定的最大最小人头尺寸按照一定的缩放比率构建图像金字塔，对金字塔上的每个图像进行窗口扫描，提取每个窗口内的像素差特征，并用Adaboost进
最低0.47元/天 解锁文章
扫一扫
7527
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
