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：上海悠络客电子科技股份有限公司

摘要：本发明涉及图像处理领域，一种基于局部运动线条分析的人形判定方法，其步骤如下：S1：数据输入；S2：网格化边缘提取；S3：局部运动线条提取；S4：统计局部线条分布；S5：分析局部线条的空间分布模式；S6：头肩模式分析；S7：双臂模式分析；S8：躯干模式分析；S9：双腿模式分析；S10：判定运动区域内有人并输出结果；S11：判定运动区域内无人并输出结果。本方法对姿态多样性的适应能力优于HOG+SVM方法，本方法中的基于局部线条的模式分析过程可根据人形的局部特征对不同的姿态做适应的模式匹配，只要有一种模式匹配成功就可判定为人形存在。

主权项：1.一种基于局部运动线条分析的人形判定方法，其特征在于，其步骤如下：S1：数据输入，输入数据为运动目标检测到的运动目标的运动点集合；S2：网格化边缘提取，1首先对运动点集合进行空间上的8*8网格化分割；2然后提取每个网格内的上下左右边缘运动点集合，分别记录为集合U，D，L，R；S3：局部运动线条提取，分析每个网格内的上下左右边缘集合U，D，L，R，分析运动点集合是否是连续的递增或递减线条；如果是则记录该局部运动线条为有效线段，记录下局部线段的方向，以角度a表示，并统计运动点集的梯度方向，否则该线条为无效线条；S4：统计局部运动线条分布，令0a30或150a180表示水平方向，30a150表示垂直方向，统计水平方向的局部运动线条个数Hn以及垂直方向的局部运动线条个数Vn，如果垂直方向线条个数小于两倍的水平方向线条个数，则判定该运动区域无人，执行步骤S11，否则执行步骤S5；S5:分析局部运动线条的空间分布模式，以8邻域联通的若干局部运动线条组成列表，分析列表内线条的方向在空间上的变化趋势，判断列表所属的人形模式，是否属于S6头肩模式，S7双臂模式，S8躯干模式或S9双腿模式；S6：头肩模式分析，如果是头肩模式，执行步骤S10，否则执行步骤S7；S7：双臂模式分析，如果是双臂模式，执行步骤S10，否则执行步骤S8；S8：躯干模式分析，如果是躯干模式，执行步骤S10，否则执行步骤S9；S9：双腿模式分析，如果是双腿模式，执行步骤S10，否则执行步骤S11；S10:判定运动区域内有人并输出结果；S11:判定运动区域内无人并输出结果。

全文数据：一种基于局部运动线条分析的人形判定方法技术领域[0001]本发明涉及图像处理领域，属于图像分析领域的目标识别方法。背景技术[0002]目前，基于H0G特征+SVM分类器的方法是最主要的人形判定方法，该方法提取行人图片的全局H0G特征且需要提供大量图片训练SVM分类器，该方法耗时高且对行人的判定效果依赖于训练图片的数量和多样性。在商场互联网安防的应用中，摄像头的安装位置以及角度不定，视频中人的视角多变，姿态多样，利用H0G特征+SVM分类器的方法会有耗时高，准确率低以及虚警率高等问题。针对现有技术的不足，以及现实应用场景的特点，本发明提出一种基于局部运动线条分析的人形判定方法。发明内容[0003]本发明的目的是提出为了对商场安防视频中的人形进行判定分析，能够适用于商场安防中不同视角的拍摄视频，行人姿态多样以及人群聚集遮档等应用场景，具有适应性强，实时性高等特点。[0004]本发明的具体技术方案是：一种基于局部运动线条分析的人形判定方法，其步骤如下：S1:数据输入，输入数据为运动目标检测到的运动目标的运动点集合；S2:网格化边缘提取，1首先对运动点集合进行空间上的8*8网格化分割;2然后提取每个网格内的上下左右边缘运动点集合，分别记录为集合U，D，L,R;S3:局部运动线条提取，分析每个网格内的上下左右边缘集合U，D，L，R,分析运动点集合是否是连续的递增或递减线条;如果是则记录该局部线条为有效线段，记录下局部线段的方向，以角度a表示，并统计运动点集的梯度方向。否则该线条为无效线条；S4:统计局部线条分布，令〇〈a〈30或150a〈180表示水平方向，30〈a〈150表示垂直方向，统计水平方向的局部线条个数Hn以及垂直方向的局部线条个数Vn，如果垂直方向线条个数小于两倍的水平方向线条个数，则判定该运动区域无人，执行步骤S11，否则执行步骤S5;S5:分析局部线条的空间分布模式，以8邻域联通的若干局部线条组成列表，分析列表内线条的方向在空间上的变化趋势，判断列表所属的人形模式，是否属于S6头肩模式，S7双臂模式，S8躯千模式或S9双腿模式；S6:头肩模式分析，如果是头肩模式，执行步骤S10，否则执行步骤S7;S7:双臂模式分析，如果是双臂模式，执行步骤S10，否则执行步骤S8;S8:躯干模式分析，如果是躯干模式，执行步骤S10，否则执行步骤S9;S9:双腿模式分析，如果是双腿模式，执行步骤S10，否则执行步骤SI1;S10:判定运动区域内有人并输出结果；S11:判定运动区域内无人并输出结果。附图说明[0005]图1是头肩模式分析示意图。[0006]图2是双臂模式分析示意图。[0007]图3是躯干模式分析示意图。[0008]图4是双腿模式分析示意图。[0009]图5是本发明局部线条分析的人形判定方法示意图。[0010]图6是位姿示意图。[0011]图7是又一位姿示意图。[0012]图8是头肩模型示意图。[0013]图9是又一头肩模型示意图。[0014]图10是双臂模型示意图。[0015]图11是又一双臂模型示意图。[0016]图12是躯干模型示意图。[0017]图13是聚集场景模型示意图。[0018]图14是另一聚集场景模型示意图。[0019]图15是又一聚集场景模型示意图。[0020]图16是保安室示意图。[0021]图17是餐厅厨房示意图。[0022]图18是理发店场景示意图。[0023]图19是商店内热区图示意。[0024]图20是商场内人流量示意图。具体实施方式[0025]一种基于局部运动线条分析的人形判定方法，如图5所示，其步骤如下：S1:数据输入,输入数据为运动目标检测到的运动目标的运动点集合；S2:网格化边缘提取，1首先对运动点集合进行空间上的8*8网格化分割;2然后提取每个网格内的上下左右边缘运动点集合，分别记录为集合U，D，L，R;S3:局部运动线条提取，分析每个网格内的上下左右边缘集合U，D，L，R，分析运动点集合是否是连续的递增或递减线条;如果是则记录该局部线条为有效线段，记录下局部线段的方向，以角度a表示，并统计运动点集的梯度方向。否则该线条为无效线条；S4:统计局部线条分布，令0a〈30或150a〈180表示水平方向，30a〈150表示垂直方向，统计水平方向的局部线条个数Hn以及垂直方向的局部线条个数Vn，如果垂直方向线条个数小于两倍的水平方向线条个数，则判定该运动区域无人，执行步骤S11，否则执行步骤S5;S5:分析局部线条的空间分布模式，以8邻域联通的若干局部线条组成列表，分析列表内线条的方向在空间上的变化趋势，判断列表所属的人形模式，是否属于S6头肩模式，S7双臂模式，S8躯干模式或S9双腿模式；S6:头肩模式分析，如图1所示，如果是头肩模式，执行步骤S10，否则执行步骤S7;S7:双臂模式分析，如图2所示，如果是双臂模式，执行步骤S10，否则执行步骤S8;S8:躯干槙式分析，如图3所示，如果是躯干模式，执行步骤S10，否则执行步骤S9;S9:双腿模式分析，如图4所示，如果是双腿模式，执行步骤S10，否则执行步骤SI1;S10:判定运动区域内有人并输出结果；S11:判定运动区域内无人并输出结果。[0026]有益效果：1位姿多样性本方法对姿态多样性的适应能力优于H0G+SVM方法，本方法中的基于局部线条的模式分析过程可根据人形的局部特征对不同的姿态做适应的模式匹配，只要有一种模式匹配成功就可判定为人形存在，如图6,图7所示姿态，根据头肩模型判定为人形，如图8,图9所示姿态，根据头肩模型，双臂模型判定为人形，如图10，图11所示姿态，根据躯干模式判定为人形，图12中标注方框内的人形可根据双腿模式来判定。[0027]2人群遮挡在商场场景中，经常出现人群聚集的情况，遮挡问题会对人形判定方法的准确性产生很大影响，本方法可以提取人的局部线条，并完成各种模式的匹配，提高了人群聚集场景中行人判定的准确性。如图13,图14所示场景，被遮挡的人找到局部的头肩轮廓作为人形的判定信息，图15所示场景中人形判定可以通过双腿的轮廓，头肩轮廓以及躯干轮廓等信息完成。[0028]应用实例1人员脱岗巡查通过对监控区域内人形的判定，可以对工作人员的在岗状态进行实时的监控，如果在规定时间内检测不到人形时，可以向管理着发出人员脱岗警报，如图16保安室，如图17餐厅厨房和图18理发店场景所示。[0029]2客人运动的热区分析通过实时分析商店内的客人运动，可以统计出商店内各区域的运动热区，生成热区图，如图I9所示，图像中叠加了不同色阶的方块，表示不同的运动热度，用于显示各货架区域的客人流通量。[0030]3人流量统计将摄像头安装在商场的出入口除，通过人形判定方法可以对商场内的人流量进行统计分析，如图20所示。

权利要求：1.一种基于局部运动线条分析的人形判定方法，其步骤如下：S1:数据输入，输入数据为运动目标检测到的运动目标的运动点集合；S2:网格化边缘提取，1首先对运动点集合进行空间上的8*8网格化分割;2然后提取每个网格内的上下左右边缘运动点集合，分别记录为集合U，D,L，R;S3:局部运动线条提取，分析每个网格内的上下左右边缘集合U，D，L，R，分析运动点集合是否是连续的递增或递减线条;如果是则记录该局部线条为有效线段，记录下局部线段的方向，以角度a表示，并统计运动点集的梯度方向，否则该线条为无效线条；S4:统计局部线条分布，令0a30或150〈a180表不水平方向，30〈a〈150表不垂直方向，统计水平方向的局部线条个数Hn以及垂直方向的局部线条个数Vn，如果垂直方向线条个数小于两倍的水平方向线条个数，则判定该运动区域无人，执行步骤S11，否则执行步骤S5;S5:分析局部线条的空间分布模式，以8邻域联通的若干局部线条组成列表，分析列表内线条的方向在空间上的变化趋势，判断列表所属的人形模式，是否属于S6头肩模式，S7双臂模式，S8躯干模式或S9双腿模式；S6:头肩模式分析，如果是头肩模式，执行步骤S10，否则执行步骤S7;S7:双臂模式分析，如果是双臂模式，执行步骤si〇，否则执行步骤S8;S8:躯干模式分析，如果是躯干模式，执行步骤S10，否则执行步骤S9;S9:双腿模式分析，如果是双腿模式，执行步骤S10，否则执行步骤S1!;S10:判定运动区域内有人并输出结果；S11:判定运动区域内无人并输出结果。

百度查询： 上海悠络客电子科技股份有限公司 一种基于局部运动线条分析的人形判定方法