多特征協(xié)同的雙層組合結(jié)構(gòu)行人監(jiān)控識別方法

黃 潔 邵 俊 劉方方 耿曙楊 黃 銳 宋 雙

（江蘇師范大學(xué)物理與電子工程學(xué)院 江蘇徐州 221116）

多特征協(xié)同的雙層組合結(jié)構(gòu)行人監(jiān)控識別方法

黃 潔 邵 俊 劉方方 耿曙楊 黃 銳 宋 雙

（江蘇師范大學(xué)物理與電子工程學(xué)院 江蘇徐州 221116）

為了有效解決公共場所人流量統(tǒng)計過程中，因行人遮擋、粘連所引發(fā)的的在行人識別上的低檢測率、高虛警率、實時性不足的缺點，對聚集型B-Haar特征和Edgelet特征協(xié)調(diào)進行特征提取，設(shè)計了雙層組合結(jié)構(gòu)行人識別模型，該模型的上層提取候選行人目標(biāo)，確保較高的檢測識別率；下層對候選行人多部位檢測然后判斷候選目標(biāo)是否為行人，實現(xiàn)降低虛警概率，保證實時性的目標(biāo)。

聚集型B-HaarEdgelet特征 行人識別 貝葉斯原理

引言

在實現(xiàn)公共場所的高峰人流控制、分析安全隱患，實施可靠的人流量統(tǒng)計是必不可少的。在行人識別中，基于視頻圖像處理的行人識別檢測方法因具有低成本、高精確度、應(yīng)用時安裝方便的等優(yōu)點，而成為研究的熱點。現(xiàn)有的行人檢測算法主要有：基于背景差分［1］、幀間差分［2］、模板匹配［3］等行人檢測方法。

但是該方法在實際應(yīng)用中，又不可避免的面對以下問題：①應(yīng)用環(huán)境自身因背景、光照、陰影等變化所帶來的復(fù)雜性；②行人固有特性導(dǎo)致難以辨識。

為此，本文針對行人分類識別模型的效率問題，以多特征的協(xié)同檢測的模式，循序漸進，先整體后局部的方式結(jié)合貝葉斯綜合決策原理構(gòu)建高效的雙層組合識別模型。

1.雙層樹狀組合分類識別模型

筆者在研究過程中提出了基于多特征協(xié)調(diào)識別檢測，利用雙層的組合分類模型（圖1），按整體到局部，循序漸近的基本思路，主要包括兩層具有一定差異的樹狀結(jié)構(gòu)，其中，上層是完全二叉樹結(jié)構(gòu)，與聚集型B-Haar特征相結(jié)合對候選行人。

圖1 多特征協(xié)同的雙層組合結(jié)構(gòu)分類圖

進行提取，其主要是用來進行對非遮擋目標(biāo)進行整體粗選，篩選出候選行人，確定一定的疑似候選區(qū)域；而下層主要由四個分支的串聯(lián)樹狀結(jié)構(gòu)組成，其主要是通過特征對人體部分特點進行提取，同時還需要利用基于貝葉斯決策的多部位綜合識別策略，利用這種方式對四條路徑的檢測識別結(jié)果進行綜合判斷，這樣就能夠最終遴選識別出目標(biāo)行人。

1.1 多特征協(xié)同檢測

（1）聚集型B-Haar特征

二值化Haar-like特征值可以通過下面的公式1進行計算：

但是，在這里又考慮因單個B-Haar特征太小，會在識別行人過程的應(yīng)用中，達不到行人統(tǒng)計識別系統(tǒng)對魯棒性的精度要求。因此，為提高單個B-Haar特征的辨識能力，需組合一組B-Haar特征。其特征值的計算示例圖具體見圖2。

圖2 聚集型B-Haar特征計算示例圖

（2）Edgelet特征

對于Edgelet特征來說，其大體上是對行人局部的輪廓特征進行描述，其利用表述人體局部的方式完成對目標(biāo)對象的識別，這一個算法具有一定的優(yōu)勢，可以識別遮擋的行人。

1.2 貝葉斯決策的多部位綜合識別策略

在文獻［4］中，其提到了用貝葉斯決策算法針對候選者中的關(guān)鍵部位作綜合判決，但是不能夠適應(yīng)人流比較多，遮擋現(xiàn)象嚴重的復(fù)雜場景中。本文所設(shè)計的貝葉斯決策的多部位檢測策略先把人體劃分成四部分，依次為身體軀干、手臂、頭肩、腿。這樣不同的部位會出現(xiàn)在相應(yīng)的區(qū)域之中，這就在很大程度上縮小了檢測范圍，保證了系統(tǒng)的實時性。

利用聚集型B-Haar特征檢測出的行人中，在Edgelet的行為特征提取里每一個部位均存在可以被檢出的可能性，具體如下面的公式2所示：

設(shè)Fi（Xi）為i部位檢測識別器的響應(yīng)值那么就能夠得到每一個部位的后驗概率，具體可以通過下列公式4、公式5表示：

式4，式5分別代表的是人體部位識別與未識別出的后驗概率，故一個候選目標(biāo)行人身體的各部位均可以識別出的可能性就可以用下面的公式6進行表達：

故判斷候選目標(biāo)是真正行人的可能性具體能夠利用下面的公式：

候選行人的置信度為候選目標(biāo)是真正行人的概率與候選目標(biāo)是非行人的概率的似然比：

識別模型最終的輸出可以通過下面的公式11進行表達：

為候選行人的置信度的閾值，處于這一個區(qū)間范圍之內(nèi)［5］，在具體實踐時，要根據(jù)實驗效果確定。

2.實驗結(jié)果及分析

本節(jié)主要是通過聚集型B-Haar特征對行人進行提取，而對于精級局部檢測識別，其主要是通過特征對人體關(guān)鍵部分特征進行提取，同時與貝葉斯決策進行結(jié)合，這樣通過組合之后所得到的模型對行人進行識別。每一個單分類器分類算法通過上述文獻［5，6］闡明的方法。

將本文所設(shè)計的雙層組合策略與比較有代表性的文獻［3］［4］中所提到的分類組合方式進行比較，其具體檢測結(jié)果見下表1，在這里，方法1，2，3分別是本文設(shè)計的雙層組合分類器模型，文獻［4］和文獻［3］闡明的分級行人檢測結(jié)構(gòu)與串并聯(lián)結(jié)構(gòu)組合行人檢測結(jié)構(gòu)。通過分析表1，從平均檢測率（average detecton rate，這里簡稱ADR）、平均虛警率（average false alarm rate，這里簡稱AFAR）、平均檢測時間（average detection time，這里簡稱ADT）

表1 不同方法的檢測結(jié)果比較

三個方面分析可以發(fā)現(xiàn)，方法1存在最好的實時性與檢測率，盡管其虛警率指標(biāo)比方法2少0.3%，然而其平均檢測率卻比其大3%，所以方法1的綜合檢測性能比2要好；而對于方法3，盡管其具有相對偏高的檢測率，同時其虛警率不是很高，然而這一個方法卻具有明顯的劣勢，即其實時性較差，這種結(jié)構(gòu)在具體檢測環(huán)境中應(yīng)用具有較大的難度。因此，本文所設(shè)計的雙層組合結(jié)構(gòu)具有相對較強的綜合性能，能夠在很大程度上提高系統(tǒng)的性能，非常有利于整個檢測系統(tǒng)在市場上的推廣。

總結(jié)

本文針對公共場所行人流量統(tǒng)計中行人識別所面臨的應(yīng)用環(huán)境復(fù)雜、目標(biāo)多變等問題，在由整體到局部，循序漸近的檢測識別思想指導(dǎo)下，以聚集型B-Haar特征和Edgelet特征協(xié)調(diào)進行特征提取。引入局部二元模式，改進傳統(tǒng)的Haar特征，構(gòu)造出滿足光照不變性的聚集型B-Haar特征，縮小檢測識別范圍，定位出候選區(qū)域；再通過Edgelet特征對候選目標(biāo)的關(guān)鍵部位進行檢測，并用貝葉斯決策原理，進行綜合判決，實現(xiàn)精級局部識別檢測。經(jīng)過實驗對比分析，本文所設(shè)計的多特征協(xié)同雙層組合分類結(jié)構(gòu)行人識別方法與傳統(tǒng)的樹狀結(jié)構(gòu)、串并聯(lián)結(jié)構(gòu)相比，在實時性、檢測率和虛警率上具有明顯的整體優(yōu)勢。

［1］朱慧穎，張利，李云廷.基于背景差分法的交通事件智能檢測系統(tǒng)［J］.武漢理工大學(xué)學(xué)報，2011，33（2）：79-83

［2］薛麗霞，羅艷麗，王佐成.基于幀間差分的自適應(yīng)運動目標(biāo)檢測方法［J］.計算機應(yīng)用研究，2011，28（4）：1551-1552，1559

［3］Gavrila D.M.，Munder S.Multi-cue pedestrian detection and tracking from a moving vehicle［J］.International Journal of Computer Vision，2007，73（1）：41-59

［4］田廣，戚飛虎，朱文佳等.單目移動拍攝下基于人體部位的行人檢測［J］.系統(tǒng)仿真學(xué)報2006，18（10）：2906-2910

［5］Zhang Yang，Liu Weiming，Mo Chen，Li Zilong.Pedestrian detection in complex scene using full binary tree classifiers based on locally assembledBinary Haar-like features［C］.Intelligent Control and Automation（WCICA），2011 9th World Congress on 21-25 June 2011：1180-1184

［6］張陽，劉偉銘，吳義虎等.代價敏感參數(shù)動態(tài)尋優(yōu)機制的行人檢測算法［J］.計算機工程與應(yīng)用.2013，11，11：19