电脑桌面
添加小米粒文库到电脑桌面
安装后可以在桌面快捷访问

复杂场景下的人体头部识别方法VIP免费

复杂场景下的人体头部识别方法_第1页
1/14
复杂场景下的人体头部识别方法_第2页
2/14
复杂场景下的人体头部识别方法_第3页
3/14
1 说 明 书 复杂场景下的人体头部识别方法 技术领域 本发明涉及一种视频分析技术,具体的说是一种在有摄像机获取的复杂场景下的人体头部识别方法。 在普通视频监控中,人群的行进多出现相互遮挡、重叠现象,不便于单独人体的识别与跟踪。为避免这种现象,提高计数精度,现有基于视频的客流统计系统往往要求摄像头垂直向下照射。其缺点是需要独立安装摄像头,适应性差,不兼容于原有监控系统。而且垂直角度摄像头取得视频信息量少,达不到监控目的。 普通监控设备一般安装于高处,与水平成 30~70 度夹角。在人群监控过程中,发生遮挡和连接现象的主要是身体躯干和四肢部位,而人体的头、肩部一般会暴露在监控系统中,否则监控就失去了意义。利用这一特点,本方法只采用肩膀以上的有效特征作为判别依据。 图像或视频序列中行人的检测与识别是计算机视觉热门话题之一。无论是工业界还是学术界都出现了非常多的好方法。有基于头、躯干、四肢分别匹配然后整合在一起的,有基于人体运动周期性的,有基于特征的等等。下面对一些经典的和相关的方法做简单论述。 文章 Viola, P., Michael J., Snow, D., Detecting Pedestrians Using Patterns of Motion and Appearance, IJCV(63), No. 2, July 2005, pp. 153-161. 提出著名的由积分图弱分类器级联成强分类器识别人脸及人体的方法,可用于检测小型运动人体。该方法处理速度慢(4 帧/秒),模型学习时间长(十几个小时),对被检测人体的大小要求高,只适应于固定场景下运动人体检测。 文章 Wu, B., Nevatia, R., Detection and Tracking of Multiple, Partially Occluded Humans by Bayesian Combination of Edgelet based Part Detectors,IJCV(75), No. 2, November 2007, pp. 247-266。融合了肢体分割、弱分类器识别以及级联 boosting 等多种技术,对多方向、多角度人体识别有较好的适应性。该模型较为复杂,在保持被检测人体尺度不变的前提下仍只能处理 1帧/秒,实用困难。 文章 Dalal, N., Triggs, B., Histograms of Oriented Gradients for Human Detection,CVPR05(I: 886-893). 基于美国专利(专利号:6,711,293 “METHOD AND APPARATUS FOR IDENTIFYING SCALE INVARIANT FEATURES IN AN IMAGE AND USE OF SAME FOR LOCATING AN OBJECT IN AN IMAGE”)改进的专门用于识别人体的方法。关键...

1、当您付费下载文档后,您只拥有了使用权限,并不意味着购买了版权,文档只能用于自身使用,不得用于其他商业用途(如 [转卖]进行直接盈利或[编辑后售卖]进行间接盈利)。
2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。
3、如文档内容存在违规,或者侵犯商业秘密、侵犯著作权等,请点击“违规举报”。

碎片内容

复杂场景下的人体头部识别方法

确认删除?
VIP
微信客服
  • 扫码咨询
会员Q群
  • 会员专属群点击这里加入QQ群
客服邮箱
回到顶部