基于人体头肩部形状的身份识别

身份识别技术近年来引起了越来越多人们的兴趣．提出了一种有效的基于人体头肩部形状的身份识别技术,通过形态学方法及背景减除法提取出人体头肩部形状的曲线特征,利用相关算法比较,实现人的身份识别．实验结果表明,该方法在图像分割方面具有很好的效果,且算法简单易于实现,能较好地识别出样本库中的身份．

视频中基于LW-PGD和SVM的头肩部检测

针对视频中的行人检测问题,提出了LW-PGD(locating windows based on the pixel gradient direction of the top of head)快速定位头肩部和基于融合特征检测的方法。首先利用头顶像素点的梯度方向具有固定范围这一特性在前景中找出头顶候选点,根据该点快速确定人体头肩部区域,将其作为待测窗口;然后提取待测窗口的方向梯度直方图(histogram of oriented gradient,HOG)特征和HSV(hue saturation value)颜色特征;最后采用支持向量机(support vector machine,SVM)训练得到人体头肩部的分类器。实验表明,与传统的滑动窗口搜索方法相比,根据头顶点可以快速选取含有人体头肩部的待测窗口,提高了检测的效率;HOG和HSV多特征融合提高了检测的精确性,从而提出的算法有助于后续的行人分析。

基于车载视频监控的乘客检测及跟踪算法

针对公交车上乘客相互遮挡及光照变化明显的问题,提出一种基于头肩部边缘特征和局部不变特征的人体检测及跟踪算法。首先对待检测图像进行自适应阈值背景差分,实现乘客目标分割;然后用样本的梯度方向直方图(HOG)特征训练支持向量机(SVM)基础分类器,结合自适应增强(Ada Boost)算法提炼出最终的强分类器,对前景图像进行扫描实现乘客目标检测;最后提取目标区域和当前搜索区域的快速鲁棒性特征(SURF),通过特征点匹配实现乘客目标跟踪。实验表明,在乘客相互遮挡及光照变化明显的情况下,该算法仍具有高于80%的检测率和跟踪率,且满足系统实时性的要求,可用于客流计数。