專利名稱：一種利用光電輔助裝置的乘客目標(biāo)圖像和背景分離方法
技術(shù)領(lǐng)域：
本發(fā)明涉及乘客目標(biāo)圖像和背景分離方法，特別涉及一種利用光電輔助裝 置的乘客目標(biāo)圖像和背景分離方法。
背景技術(shù)：
客運車輛乘客上下門等場所常常需要統(tǒng)計在某一時間點或時間段內(nèi)上車 的乘客數(shù)量和下車的乘客數(shù)量，以此乘客統(tǒng)計數(shù)據(jù)為依據(jù)優(yōu)化運營和提高管理 水平。
統(tǒng)計客運車輛上下乘客的數(shù)量流程中，非常關(guān)鍵的一個步驟是檢測在任意 時間點是否存在乘客，以及每一個乘客在上下車過程中在該時間點所處的位置。
當(dāng)前主要有兩種方法來檢測乘客目標(biāo)， 一種是采用光電傳感器探測乘客的 有無，另外一種就是拍攝乘客上下車圖像，采用圖像識別的方法檢測乘客目標(biāo) 并將乘客目標(biāo)和背景區(qū)域分離開來。
加拿大INFODEV公司在其網(wǎng)頁http:〃www.infodev.ca/vehicles.html上公布
了一種客流計數(shù)系統(tǒng)，該系統(tǒng)檢測乘客的方法為將光電傳感器安裝在車門上方 釆集乘客上下車信號，此信號送至車載單片機進行處理以檢測是否出現(xiàn)了乘 客。
申請?zhí)枮?3115817.X的發(fā)明專利公開了一種采用紅外傳感器探頭和主控 器組成的自動乘客計數(shù)儀。該自動乘客計數(shù)儀檢測乘客的方法為采用紅外傳 感器探頭探測到的乘客信息，經(jīng)由主控器進行運算處理以后，以此確定是否存 在乘客。
采用光電傳感器來檢測是否存在乘客的方法中，由于只能在數(shù)量很有限的 幾個位置點安裝光電傳感器，獲得的可用于檢測乘客的信息量很少。在出現(xiàn)乘 客密集或前后相擁上下車或其它非常規(guī)上下車情況下，采用光電傳感器所獲得
的乘客檢測精度通常不高。
申請?zhí)枮?00710036809.X的發(fā)明專利"運動目標(biāo)跟蹤及數(shù)量統(tǒng)計方法"公 開了一種主要應(yīng)用于客運汽車統(tǒng)計乘客數(shù)量的方法。該發(fā)明在車門上方安裝攝 像機完成圖像數(shù)據(jù)的采集，采用圖像識別的方法，完成乘客目標(biāo)和背景的分離。
武漢科技大學(xué)信息科學(xué)與工程學(xué)院的付曉薇在其碩士學(xué)位論文"一種基于 動態(tài)圖像的多目標(biāo)識別計數(shù)方法"中公布了一種采用幀間差和背景差的方法檢 測圖像中的乘客目標(biāo)區(qū)域，大連海事大學(xué)信號與圖像處理研究所的田京雷在 2005年全國圖象圖形學(xué)學(xué)術(shù)會議上公布了 "基于視頻的客流計數(shù)系統(tǒng)的研究" 論文(《第十二屆全國圖象圖形學(xué)學(xué)術(shù)會議論文集》，作者章毓晉，ISBN: 7302119309)，也采用背景差的方法來檢測圖像中乘客目標(biāo)區(qū)域。
以上采用圖像識別技術(shù)來統(tǒng)計乘客數(shù)量的方法，檢測乘客目標(biāo)并將乘客目 標(biāo)和背景分離是實現(xiàn)高精度乘客計數(shù)的關(guān)鍵。但是，由于攝像機所面臨的外界 工作環(huán)境極其復(fù)雜，人體上下車的行為、姿態(tài)千差萬別并且不可控。如果僅僅 采用上述方法對復(fù)雜情況下拍攝到的乘客上下車圖像進行圖像識別，難以高效 準(zhǔn)確的將乘客目標(biāo)圖像和背景區(qū)域分離開來。

發(fā)明內(nèi)容
本發(fā)明的目的就是為了克服上述現(xiàn)有技術(shù)存在的缺陷而提供一種提高了 人體目標(biāo)和背景圖像分離的正確性，且大大降低了系統(tǒng)運算復(fù)雜度和圖像識別 的運算時間的利用光電輔助裝置的乘客目標(biāo)圖像和背景分離方法。
本發(fā)明的目的可以通過以下技術(shù)方案來實現(xiàn) 一種利用光電輔助裝置的乘 客目標(biāo)圖像和背景分離方法，其特征在于，包含以下步驟-
(1) 接收數(shù)字圖像和光電傳感器探測信號；
(2) 光電傳感器乘客信息狀態(tài)數(shù)據(jù)處理；
(3) 檢測是否處理成功，若檢測結(jié)果為否，則返回步驟(1);
(4) 若步驟(3)中檢測的結(jié)果為是，則進行區(qū)域初分割；
(5) 檢測是否分割成功，若檢測結(jié)果為否，則返回步驟(1);
(6) 若步驟(5)中檢測的結(jié)果為是，則進行運動信息提??；
(7) 檢測是否提取成功，若檢測結(jié)果為否，則返回步驟(1);
(8) 若步驟(7)中檢測的結(jié)果為是，則進行運動區(qū)域分割；
(9) 檢測是否分割成功，若檢測結(jié)果為否，則返回步驟(1);
(10) 若步驟(9)中檢測的結(jié)果為是，則進行乘客目標(biāo)和背景分離，并 返回步驟(1)。
所述的光電傳感器乘客信息狀態(tài)數(shù)據(jù)處理包括以下步驟
(1) 濾波，逐個檢測當(dāng)前光電傳感器輸出的信息狀態(tài)，如果其信息狀態(tài) 為1而且存在空間相鄰的光電傳感器輸出信息狀態(tài)也是1，則保留當(dāng)前光電傳 感器的信息狀態(tài)，否則認為當(dāng)前光電傳感器存在誤探測，將當(dāng)前光電傳感器的 輸出信息狀態(tài)置為0;
(2) 連通性分析，將濾波以后的所有光電傳感器信息狀態(tài)數(shù)據(jù)進行連通 性分析，并統(tǒng)計所有信息狀態(tài)為1的連通元的總數(shù)量，以A表示；
(3) 是否有乘客出現(xiàn)的狀態(tài)判斷，如果A值是0，則輸出無乘客存在信息。 否則繼續(xù)從區(qū)域初分割進一步進行處理；
(4) 計算所有光電傳感器信息狀態(tài)為1組成的連通元在圖像中的重心坐
標(biāo)，計算方法為c(x，Y)-(丄l;Xi，丄l;Y,)，式中N為本連通元所包含的光電
傳感器的總數(shù)量；
(5) 從連通元的重心點C (Xc， Yc)開始，計算圖像中每個點P(Xp，Yp)
與所有連通元重心點之間的距離
D(P(Xp,Yp),a) = V(Xc-XP)2+(YC-Yp)2(a = 0,1，...，A-l),像素點P(Xp,Yp)與距離最
近的重心點之間的距離值按下式取值 Drain(Xp，Yp) = min(D(P(Xp, Yp)，fl))(" = O,l,... J -1);
5Xn(X，Y)
(6) 計算每個連通元內(nèi)部的平均距離DMean - (x'Y)se ^ ;
(X，Y)eC
(7) 計算每個像素點屬于人體的概率值 P(X，Y)|H, = min(1.0,k*eXp(-Dram(X,Y)/DMJ)，其中D流旭為D^值所對應(yīng)的那個連
通元的平均距離值，k是預(yù)先設(shè)置的值， 一般取2.0~3.0。 所述的區(qū)域初分割包括以下步驟(1) 圖像數(shù)據(jù)色彩空間變換，由RGB格式轉(zhuǎn)換為YUV格式的圖像；
(2) 采用形態(tài)學(xué)濾波方法對Y分量的圖像數(shù)據(jù)進行濾波，方法為先進 行結(jié)構(gòu)元為3的形態(tài)學(xué)開運算，再進行結(jié)構(gòu)元為3的形態(tài)學(xué)閉運算；
(3) 使用梯度算子如Sobel、 Gaussian梯度算子計算濾波以后的Y分量圖 像的梯度；
(4) 對梯度圖像進行分水嶺變換，獲得區(qū)域的初分割結(jié)果,并輸出區(qū)域的 總數(shù)量N。
所述的運動信息提取包括以下步驟-
(1) 計算區(qū)域初分割后獲得每個區(qū)域Rk的重心坐標(biāo)，計算公式為
<formula>formula see original document page 8</formula>
(2) 計算每個區(qū)域Rk的Y、 U和V三個分量的直方圖 HY(k),HU(k),HV(k)(k=0,l". .,N畫l);
(3) 將本幀圖像的每個區(qū)域Rk(0),和前9幀圖像的每個區(qū)域Rk(l),...,Rk(9)
做如下運算，以求得任意兩個區(qū)域之間的距離值
<formula>formula see original document page 8</formula>
(4) 計算每個每個區(qū)域Rk(0)相對于前第m幀圖像的運動矢量Mv(m，i,x,y) 計算公式為Mv(m,i，X,y) =| CO,},/) —CO，乂力l戶argmin(D(叫i,j》；
(5) 對本幀圖像的每個區(qū)域的每個矢量，計算該區(qū)域的其它所有8個矢 量在該矢量上的投影值MvP(n,m,x,y) = 土Mv(k,n,x,y)cos^ (n=0,...,N-l,m=l ,…,9),
k=0
《是運動矢量Mv(k,n,x,y)和當(dāng)前矢量之間的夾角；
(6) 取9個投影矢量值中最大的矢量為每個區(qū)域的最終運動矢量值。 所述的運動區(qū)域分割采用Markov能量最小化求解模型將運動區(qū)域從背景
區(qū)域中分離出來。
所述的乘客目標(biāo)和背景分離包括以下步驟
(1) 消除面積過小的運動區(qū)域，消除光電傳感器探測到有人體的數(shù)量小 于或等于1的運動區(qū)域；
(2) 求每個運動區(qū)域的最小外接矩形，將矩形的高和寬全部歸一化；
(3) 計算歸一化矩形中人體區(qū)域與標(biāo)準(zhǔn)人體模板區(qū)域之間的相關(guān)系數(shù)C;
(4) 如果相關(guān)系數(shù)C大于Threshold,則確定該運動區(qū)域是人體區(qū)域，否 則該運動區(qū)域不是人體區(qū)域。其中Threshold是預(yù)先指定的值， 一般取為0.7。
與現(xiàn)有技術(shù)相比，本發(fā)明具有以下優(yōu)點
1. 在光電傳感器沒有探測到乘客的情況下可以不對圖像進行識別，大大降 低了系統(tǒng)運算復(fù)雜度和圖像識別的運算時間；
2. 消除了純光電傳感器可利用信息量少的問題，可以在圖像空間中通過人 體圖像模型來判斷是否出現(xiàn)了兩個或兩個以上的乘客前后相擁上車，可以判斷 是否同時有乘客上車又有乘客下車；
3. 由于利用了光電傳感器的乘客檢測信息，可以在攝像機工作環(huán)境極其復(fù) 雜的情況下，使得人體和背景的分離變得容易可行，區(qū)分人體區(qū)域和背景區(qū)域 的正確性大大提高了。特別是在乘客衣著圖像和背景圖像基本一致的情況下， 也能通過利用光電傳感器輸出的人體探測信息，將人體圖像區(qū)域和背景圖像區(qū) 域區(qū)分開來。


圖1是本發(fā)明利用光電輔助裝置的乘客目標(biāo)圖像和背景分離方法的流程
圖2是本發(fā)明利用光電輔助裝置的乘客目標(biāo)圖像和背景分離系統(tǒng)的主要結(jié) 構(gòu)示意圖。
具體實施例方式
如圖1所示，在一種利用光電輔助裝置的乘客目標(biāo)圖像和背景分離方法中， 步驟l為起始步驟，接收數(shù)字圖像和光電傳感器探測信號；在步驟2中，光電 傳感器乘客信息狀態(tài)數(shù)據(jù)處理；在步驟2中，檢測是否處理成功，若檢測結(jié)果 為否，則返回步驟l;若步驟3中檢測的結(jié)果為是，則在步驟4中，進行區(qū)域 初分割；在步驟5中，檢測是否分割成功，若檢測結(jié)果為否，則返回步驟l;若步驟5中檢測的結(jié)果為是，則在步驟6中，進行運動信息提?。辉诓襟E7中， 檢測是否提取成功，若檢測結(jié)果為否，則返回步驟l;若步驟7中檢測的結(jié)果 為是，則在步驟8中，進行運動區(qū)域分割；在步驟9中，檢測是否分割成功， 若檢測結(jié)果為否，則返回步驟l;若步驟9中檢測的結(jié)果為是，則在步驟10中， 進行乘客目標(biāo)和背景分離，并返回步驟l。
所述的光電傳感器乘客信息狀態(tài)數(shù)據(jù)處理包括以下步驟
(1) 濾波，逐個檢測當(dāng)前光電傳感器輸出的信息狀態(tài)，如果其信息狀態(tài) 為1而且存在空間相鄰的光電傳感器輸出信息狀態(tài)也是1，則保留當(dāng)前光電傳 感器的信息狀態(tài)，否則認為當(dāng)前光電傳感器存在誤探測，將當(dāng)前光電傳感器的 輸出信息狀態(tài)置為0;
(2) 連通性分析，將濾波以后的所有光電傳感器信息狀態(tài)數(shù)據(jù)進行連通 性分析，并統(tǒng)計所有信息狀態(tài)為1的連通元的總數(shù)量，以A表示；
(3) 是否有乘客出現(xiàn)的狀態(tài)判斷，如果A值是0，則輸出無乘客存在信息。 否則繼續(xù)從區(qū)域初分割進一步進行處理；
(4) 計算所有光電傳感器信息狀態(tài)為l組成的連通元在圖像中的重心坐
標(biāo)，計算方法為C(X,Y)—丄lx，丄l;Yi)，式中N為本連通元所包含的光電 傳感器的總數(shù)量-，
(5) 從連通元的重心點C (Xc， Yc)開始，計算圖像中每個點P(Xp，Yp)
與所有連通元重心點之間的距離
D(P(Xp, Yp),a) = V(XC _XP)2 + (Yc - YP)2 (a = 0，1，…，A -1),像素點P(Xp，Yp)與距離最
近的重心點之間的距離值按下式取值
Dmn (Xp, Yp) = min("(P(Xp, Yp )， = O，l，.." -1);
Zd^(x，y)
(6) 計算每個連通元內(nèi)部的平均距離<formula>formula see original document page 10</formula>
(X，Y)eC
(7 )計算每個像素點屬于人體的概率值 P(X,Y)|Human = min(1.0，k*eXp(-Dm,n(X,Y)/DMeaJ)，其中D流旭為D幽值所對應(yīng)的那個連
通元的平均距離值，k是預(yù)先設(shè)置的值， 一般取2.0 3.0。
所述的區(qū)域初分割包括以下步驟
(1) 圖像數(shù)據(jù)色彩空間變換，由RGB格式轉(zhuǎn)換為YUV格式的圖像；
(2) 采用形態(tài)學(xué)濾波方法對Y分量的圖像數(shù)據(jù)進行濾波，方法為先進 行結(jié)構(gòu)元為3的形態(tài)學(xué)開運算，再進行結(jié)構(gòu)元為3的形態(tài)學(xué)閉運算；
(3) 使用梯度算子如Sobel、 Gaussian梯度算子計算濾波以后的Y分量圖 像的梯度；
(4) 對梯度圖像進行分水嶺變換，獲得區(qū)域的初分割結(jié)果，并輸出區(qū)域的 總數(shù)量N。
所述的運動信息提取包括以下步驟
(1) 計算區(qū)域初分割后獲得每個區(qū)域Rk的重心坐標(biāo)，計算公式為
C(X，Y)-^p( ^Xi,
丄1(Xi，Yi)eR (Xi，Yi)eR (Xi，Yi)eR
(2) 計算每個區(qū)域Rk的Y、 U和V三個分量的直方圖 HY(k),HU(k),HV(k)(k=0,1 ，…,N-1);
(3) 將本幀圖像的每個區(qū)域Rk(0),和前9幀圖像的每個區(qū)域Rk(l)，…，Rk(9)
做如下運算，以求得任意兩個區(qū)域之間的距離值
5—1 6—1 5—1
1.(HC(^y')-c^,:^')1(4) 計算每個每個區(qū)域Rk(0)相對于前第m幀圖像的運動矢量Mv(m,i，x,y)
計算公式為Mv(m,i,x,y) =| C(x,;v')-C(x,;;J) Ua^in(雖,i,j));
(5) 對本幀圖像的每個區(qū)域的每個矢量，計算該區(qū)域的其它所有8個矢
量在該矢量上的投影值MvP(n,m,x,y)-iMv(k,n,x,y)cos^(n-0,…,N-l，m-l，…，9),
k=0
《是運動矢量Mv(k,n，x,y)和當(dāng)前矢量之間的夾角；
(6) 取9個投影矢量值中最大的矢量為每個區(qū)域的最終運動矢量值。 所述的運動區(qū)域分割采用Markov能量最小化求解模型將運動區(qū)域從背景
區(qū)域中分離出來。
所述的乘客目標(biāo)和背景分離包括以下步驟
(1) 消除面積過小的運動區(qū)域，消除光電傳感器探測到有人體的數(shù)量小 于或等于1的運動區(qū)域；
(2) 求每個運動區(qū)域的最小外接矩形，將矩形的高和寬全部歸一化；
(3) 計算歸一化矩形中人體區(qū)域與標(biāo)準(zhǔn)人體模板區(qū)域之間的相關(guān)系數(shù)C;
(4) 如果相關(guān)系數(shù)C大于Threshold,則確定該運動區(qū)域是人體區(qū)域，否 則該運動區(qū)域不是人體區(qū)域。其中Threshold是預(yù)先指定的值， 一般取為0.7。
如圖2所示，該圖2是本發(fā)明利用光電輔助裝置的乘客目標(biāo)圖像和背景分 離系統(tǒng)的主要結(jié)構(gòu)示意圖，其結(jié)構(gòu)包含工業(yè)攝像機11、光電傳感器12、補光 光源13、信號傳輸電纜14、圖像采集裝置15和運算處理器16。補光光源13 和工業(yè)攝像機11固定垂直或略微向車門內(nèi)或車門外傾斜一個小角度安裝在車 門正上方的車輛頂棚上，并且確保補光光源13的光照射主軸方向和工業(yè)攝像 機11鏡頭拍攝圖像的主軸方向同軸。圖像采集裝置15和運算處理器16組成 運算主機，安裝在車體內(nèi)任何隱蔽的位置。光電傳感器12探測方向垂直向下 安裝在車門附近的車輛頂棚上。工業(yè)攝像機11通過信號傳輸電纜14和圖像采 集裝置15相連，圖像采集裝置15和運算處理器16的數(shù)據(jù)總線相連。光電傳 感器12通過信號傳輸電纜14和運算處理器16的數(shù)據(jù)總線相連。
權(quán)利要求
1. 一種利用光電輔助裝置的乘客目標(biāo)圖像和背景分離方法，其特征在于，包含以下步驟(1)接收數(shù)字圖像和光電傳感器探測信號；(2)光電傳感器乘客信息狀態(tài)數(shù)據(jù)處理；(3)檢測是否處理成功，若檢測結(jié)果為否，則返回步驟(1)；(4)若步驟(3)中檢測的結(jié)果為是，則進行區(qū)域初分割；(5)檢測是否分割成功，若檢測結(jié)果為否，則返回步驟(1)；(6)若步驟(5)中檢測的結(jié)果為是，則進行運動信息提??；(7)檢測是否提取成功，若檢測結(jié)果為否，則返回步驟(1)；(8)若步驟(7)中檢測的結(jié)果為是，則進行運動區(qū)域分割；(9)檢測是否分割成功，若檢測結(jié)果為否，則返回步驟(1)；(10)若步驟(9)中檢測的結(jié)果為是，則進行乘客目標(biāo)和背景分離，并返回步驟(1)。
2. 根據(jù)權(quán)利要求1所述的一種利用光電輔助裝置的乘客目標(biāo)圖像和背景 分離方法，其特征在于，所述的光電傳感器乘客信息狀態(tài)數(shù)據(jù)處理包括以下步 驟(1) 濾波，逐個檢測當(dāng)前光電傳感器輸出的信息狀態(tài)，如果其信息狀態(tài) 為1而且存在空間相鄰的光電傳感器輸出信息狀態(tài)也是1，則保留當(dāng)前光電傳 感器的信息狀態(tài)，否則認為當(dāng)前光電傳感器存在誤探測，將當(dāng)前光電傳感器的 輸出信息狀態(tài)置為0;(2) 連通性分析，將濾波以后的所有光電傳感器信息狀態(tài)數(shù)據(jù)進行連通 性分析，并統(tǒng)計所有信息狀態(tài)為1的連通元的總數(shù)量，以A表示；(3) 是否有乘客出現(xiàn)的狀態(tài)判斷，如果A值是0，則輸出無乘客存在信息。否則繼續(xù)從區(qū)域初分割進一步進行處理；(4) 計算所有光電傳感器信息狀態(tài)為1組成的連通元在圖像中的重心坐標(biāo)，計算方法為C(X,Y)-(丄堂Xi,丄l;Yi)，式中N為本連通元所包含的光電 傳感器的總數(shù)量； (5) 從連通元的重心點C (Xc， Yc)開始，計算圖像中每個點P(Xp,Yp)與所有連通元重心點之間的距離D(P(Xp,Yp),a) = V(XC -Xp)2 +(YC -丫1>)2(3 = 0,1,...,八-1),像素點P(Xp，Yp)與距離最近的重心點之間的距離值按下式取值 Dmin(Xp,Yp) = m , Yp),fl))(" = 0，1,…;2Xn(X,Y)(6) 計算每個連通元內(nèi)部的平均距離DMean = (x'Y)Ee _ ;(X，Y)eC(7 )計算每個像素點屬于人體的概率值 P(X,Y)|Human = min(1.0,k*eXp(-Dm,n(X,Y)/DMean))，其中DMean為D^值所對應(yīng)的那個連通元的平均距離值，k是預(yù)先設(shè)置的值， 一般取2.0 3.0。
3. 根據(jù)權(quán)利要求1所述的一種利用光電輔助裝置的乘客目標(biāo)圖像和背景 分離方法，其特征在于，所述的區(qū)域初分割包括以下步驟(1) 圖像數(shù)據(jù)色彩空間變換，由RGB格式轉(zhuǎn)換為YUV格式的圖像；(2) 采用形態(tài)學(xué)濾波方法對Y分量的圖像數(shù)據(jù)進行濾波，方法為先進 行結(jié)構(gòu)元為3的形態(tài)學(xué)開運算，再進行結(jié)構(gòu)元為3的形態(tài)學(xué)閉運算；(3) 使用梯度算子如Sobel、 Gaussian梯度算子計算濾波以后的Y分量圖 像的梯度；(4) 對梯度圖像進行分水嶺變換，獲得區(qū)域的初分割結(jié)果,并輸出區(qū)域的 總數(shù)量N。
4. 根據(jù)權(quán)利要求1所述的一種利用光電輔助裝置的乘客目標(biāo)圖像和背景分離方法，其特征在于，所述的運動信息提取包括以下步驟(1) 計算區(qū)域初分割后獲得每個區(qū)域Rk的重心坐標(biāo)，計算公式為C(X，Y) = ~^T( SXj, ^Y,);丄1(Xi,Yi)eR (Xi,Yi)eR(2) 計算每個區(qū)域Rk的Y、 U和V三個分量的直方圖HY(k),HU(k)，H V(k)(k=0,1 ，... ，N-1);(3) 將本幀圖像的每個區(qū)域Rk(0),和前9幀圖像的每個區(qū)域Rk(l),…,Rk(9)做如下運算，以求得任意兩個區(qū)域之間的距離值 <formula>formula see original document page 4</formula>(4) 計算每個每個區(qū)域Rk(0)相對于前第m幀圖像的運動矢量Mv(m，i,x,y)計算公式為Mv(m,i，x,y) =| - C(xj， j') 1^一D機i,j));(5) 對本幀圖像的每個區(qū)域的每個矢量，計算該區(qū)域的其它所有8個矢 量在該矢量上的投影值MvP(n，m,x，y) = ^ Mv(k，n,x,y)cos《(n=0，…,N-1 ,m=l ，... ，9),k=0《是運動矢量Mv(k,n,x,y)和當(dāng)前矢量之間的夾角；(6) 取9個投影矢量值中最大的矢量為每個區(qū)域的最終運動矢量值。
5. 根據(jù)權(quán)利要求1所述的一種利用光電輔助裝置的乘客目標(biāo)圖像和背景 分離方法，其特征在于，所述的運動區(qū)域分割采用Markov能量最小化求解模 型將運動區(qū)域從背景區(qū)域中分離出來。
6. 根據(jù)權(quán)利要求1所述的一種利用光電輔助裝置的乘客目標(biāo)圖像和背景 分離方法，其特征在于，所述的乘客目標(biāo)和背景分離包括以下步驟(1) 消除面積過小的運動區(qū)域，消除光電傳感器探測到有人體的數(shù)量小 于或等于1的運動區(qū)域；(2) 求每個運動區(qū)域的最小外接矩形，將矩形的高和寬全部歸一化；(3) 計算歸一化矩形中人體區(qū)域與標(biāo)準(zhǔn)人體模板區(qū)域之間的相關(guān)系數(shù)C;(4) 如果相關(guān)系數(shù)C大于Threshold,則確定該運動區(qū)域是人體區(qū)域，否 則該運動區(qū)域不是人體區(qū)域。其中Threshold是預(yù)先指定的值， 一般取為0.7。
全文摘要
本發(fā)明涉及一種利用光電輔助裝置的乘客目標(biāo)圖像和背景分離方法，包含以下步驟接收數(shù)字圖像和光電傳感器探測信號；光電傳感器乘客信息狀態(tài)數(shù)據(jù)處理；檢測是否處理成功，若為是，則進行區(qū)域初分割；檢測是否分割成功，若為是，則進行運動信息提??；檢測是否提取成功，若為是，則進行運動區(qū)域分割；檢測是否分割成功，若為是，則進行乘客目標(biāo)和背景分離，并返回起始步驟。與現(xiàn)有技術(shù)相比，本發(fā)明方法在人體上下車的行為和姿態(tài)千差萬別等復(fù)雜情況下，較好的解決了人體目標(biāo)圖像和背景圖象的分離問題。
文檔編號G06T7/20GK101383974SQ20071004568
公開日2009年3月11日 申請日期2007年9月6日 優(yōu)先權(quán)日2007年9月6日
發(fā)明者萬長明, 薇 姚 申請人:上海遙薇實業(yè)有限公司