專利名稱：一種基于人頭計數(shù)的駕駛培訓管理方法
技術(shù)領域：
本發(fā)明屬于視頻計數(shù)領域，具體涉及一種基于人頭計數(shù)的駕駛培訓管理方法。
背景技術(shù)：
在信息化管理水平日益強大的今天，對教室內(nèi)學員人數(shù)的實時統(tǒng)計計數(shù)成為駕培行業(yè)管理系統(tǒng)的一種有效途徑。要解決這一難題，單純依靠監(jiān)控設備和人為的判斷處理，不僅費時費力，還得不到準確的結(jié)果。在垂直攝像頭環(huán)鏡下，不同人頭有近似圓的形狀，但也存在差異，而同一人頭在畫面中的不同位置，形狀也會發(fā)生相應變化。使用基于輪廓的方法難以進行準確定位。傳統(tǒng)的視頻計數(shù)方法無法獲得準確的計數(shù)結(jié)果，一個直接的原因是受環(huán)境影響較大而計數(shù)不準，因此本專利使用基于學習的方法，對人頭進行檢測。名稱為基于多源信息融合和在線學習的人頭計數(shù)方法的發(fā)明專利公開了基于多源信息融合和在線學習的人頭計數(shù)方法，其方法利用數(shù)字攝像機采集行人的數(shù)字圖像；應用Adaboost級聯(lián)分類器檢測出具有人頭紋理特征的人體區(qū)域；應用SVM分類器進行篩選，篩選出具有頭部和肩部特殊組合形狀的人體區(qū)域作為最終人體對象并統(tǒng)計其數(shù)量。該發(fā)明結(jié)合紋理特征和形狀特征，并采用兩級檢測器結(jié)構(gòu)，第一級檢測器用來快速排除非人頭區(qū)域，第二級檢測器精確定位人頭區(qū)域，降低虛警率。該方法還通過在線學習方式，極大增強其方法的環(huán)境適應能力。但該方法無法判斷行人的出入運動方向，無法動態(tài)的統(tǒng)計場景內(nèi)實際剩有人頭數(shù)，而且當行人發(fā)生重疊時定位精度大為下降。

發(fā)明內(nèi)容
本發(fā)明的目的是為了給駕駛培訓管理系統(tǒng)提供一種基于人頭計數(shù)的駕駛培訓管理方法，該方法可以對教室或訓練場地內(nèi)的學員人數(shù)進行實時并精確的計數(shù)。為實現(xiàn)以上發(fā)明目的，所采用的技術(shù)方案如下:一種基于人頭計數(shù)的駕駛培訓管理方法，其包括以下步驟:步驟I)、首先在離線狀態(tài)下對垂直人頭模型進行訓練，得到人頭檢測的分類器，具體地講就是:在分辨率為70X70像素的人頭樣本中使用積分圖方法提取擴展Harr特征，每一個特征對應一個弱分類器；使用AdaBoost算法訓練弱分類器獲得強分類器，并把多個強分類器串聯(lián)得到分級分類器；利用最終得到的人頭檢測分類器檢測輸入圖像產(chǎn)生候選人頭區(qū)域；步驟2)、對AdaBoost算法檢測得到的候選人頭區(qū)域進一步執(zhí)行幀差法檢測得到運動區(qū)域，然后在運動區(qū)域上進行滑動窗口搜索，對窗口用SVM分類器進行判定；判定為人頭的窗口，則添加此區(qū)域內(nèi)的特征點至檢測人頭列表中并保存起來，如判斷不是人頭的窗口，則視為非人頭特征點；步驟3)、用改進KLT tracker算法對特征點進行跟蹤；改進KLT tracker算法如下:
31)、如果Deteced_Object_List不為空，則從中取出一個對象A ;否則退出算法；32)、如果Tracked_Object_List為空，則跳轉(zhuǎn)到步驟4)執(zhí)行，否則利用式(4)從Tracked_Object_List中選取出和A相似度最大的對象B ；
權(quán)利要求
1.一種基于人頭計數(shù)的駕駛培訓管理方法，其特征在于:其包括以下步驟: 步驟I)、首先在離線狀態(tài)下對垂直人頭模型進行訓練，得到人頭檢測的分類器，具體地講就是:在分辨率為70X70像素的人頭樣本中使用積分圖方法提取擴展Harr特征，每一個特征對應一個弱分類器；使用AdaBoost算法訓練弱分類器獲得強分類器，并把多個強分類器串聯(lián)得到分級分類器；利用最終得到的人頭檢測分類器檢測輸入圖像產(chǎn)生候選人頭區(qū)域； 步驟2)、對AdaBoost算法檢測得到的候選人頭區(qū)域進一步執(zhí)行幀差法檢測得到運動區(qū)域，然后在運動區(qū)域上進行滑動窗口搜索，對窗口用SVM分類器進行判定；判定為人頭的窗口，則添加此區(qū)域內(nèi)的特征點至檢測人頭列表中并保存起來，如判斷不是人頭的窗口，則視為非人頭特征點； 步驟3)、用改進KLT tracker算法對特征點進行跟蹤； 改進KLT tracker算法如下: 31)、如果Deteced_Object_List不為空,貝U從中取出一個對象A;否則退出算法； 32)、如果Tracked_Object_List為空，則跳轉(zhuǎn)到步驟4)執(zhí)行，否則利用式(4)從Tracked_Object_List中選取出和A相似度最大的對象B ；
全文摘要
本發(fā)明屬于視頻計數(shù)領域，具體涉及一種基于人頭計數(shù)的駕駛培訓管理方法，其包括以下步驟基于AdaBoost算法檢測得到候選人頭區(qū)域；幀差法檢測得到運動區(qū)域；用改進KLT tracker算法對特征點進行跟蹤；人頭檢測框大小估計過線跟蹤與計數(shù)；該方法可以對教室或訓練場地內(nèi)的學員人數(shù)的進行實時統(tǒng)計計數(shù)。
文檔編號G06K9/62GK103150552SQ201310046970
公開日2013年6月12日 申請日期2013年2月6日 優(yōu)先權(quán)日2013年2月6日
發(fā)明者不公告發(fā)明人 申請人:湖北微駕技術(shù)有限公司