基于人头颜色空间和轮廓信息的行人检测方法研究

交通运输系统工程与信息 ›› 2015, Vol. 15 ›› Issue (4): 70-77.

• 智能交通系统与信息技术 • 上一篇下一篇

基于人头颜色空间和轮廓信息的行人检测方法研究

高春霞，董宝田^*，王爱丽

北京交通大学交通运输学院，北京100044

收稿日期:2015-03-11 修回日期:2015-05-20 出版日期:2015-08-25 发布日期:2015-08-25
作者简介:高春霞（1973-），女，山东菏泽人，博士后.
基金资助:
国家863计划项目( 2009 AA11Z207)；博士科研基金（20110009110011）.

Pedestrian Detection Method Based on Head Color Space and Outline Information

GAO Chun-xia, DONG Bao-tian,WANG Ai-li

School of Traffic and Transportation, Beijing Jiaotong University, Beijing 100044, China

Received:2015-03-11 Revised:2015-05-20 Online:2015-08-25 Published:2015-08-25

摘要/Abstract

摘要：

为提高智能视频监控中行人统计的实时性，提出了一种基于人头颜色空间和轮廓特征的行人检测方法.该方法首先根据人脸肤色、发色在YCbCr和RGB颜色空间的聚类情况，建立人头颜色模型，分割人头候选区域，并针对行人运动的特征，采用多帧差法提取运动信息，剔除背景噪声，修正候选区域的精度；然后根据改进的Canny 算子提取候选区域的轮廓，融合形态学对边缘进行修正，提取候选区域轮廓信息；最后根据人头轮廓的几何特征，剔除“伪候选”区域，并进行连通域信息标记，检测人头图像，从而对行人进行检测和统计信息.结果表明，该方法能快速有效地检测出人头，在动态场景下的行人检测取得了较好的效果.

关键词: 智能交通, 颜色空间, Canny, 伪候选区域, 连通域, 行人检测

Abstract:

An approach of pedestrian detection based on the head color space and outline information is proposed to meet the requirement of reducing people counting time in real- time video monitoring. A head color model is established according to head feature in YCbCr and RGB color space，which obtain head candidate areas. Multi-frame difference method is adopted to eliminate background noise and correct candidate regions based on the characteristic of pedestrian movement. The outlines of candidate regions are extracted based on improved Canny operator and morphology. Fade candidate regions are removed according to the geometrical characteristics of head contours, the connected components are marked to detect pedestrian information. Experimental results show that this algorithm is fast and effective, which could meet the real- time needs of intelligent video surveillance, the better pedestrian detection results are achieved in dynamic traffic scene.

Key words: intelligent transportation, color space, Canny, fade candidate regions, connected components, pedestrian detection

中图分类号:

U298.2

高春霞，董宝田，王爱丽. 基于人头颜色空间和轮廓信息的行人检测方法研究[J]. 交通运输系统工程与信息, 2015, 15(4): 70-77.

GAO Chun-xia, DONG Bao-tian,WANG Ai-li. Pedestrian Detection Method Based on Head Color Space and Outline Information[J]. Journal of Transportation Systems Engineering and Information Technology, 2015, 15(4): 70-77.

导出引用管理器 EndNote|Ris|BibTeX

链接本文: http://www.tseit.org.cn/CN/abstract/abstract19030.shtml

http://www.tseit.org.cn/CN/Y2015/V15/I4/70

参考文献

[1] 邵春福, 李娟, 赵熠. 行人交通的视频检测方法综述[J]. 交通运输系统工程与信息, 2008, 8(4): 23-29. [SHAO C F, LI J, ZHAO Y. Review of pedestrian traffic data collection method based on video image processing[J]. Journal of Transportation Systems Engineering and Information Technology, 2008, 8(4):23- 29.]

[2] Zivkovic Z. Improved adaptive Gaussian mixture model for background subtraction[J]. Pattern Recognition, 2004, 17(2):28-31.

[3] G Sasa, S Loncaric. Spatio-temporal image segmentation using optical flow and clustering algorithm[C]. Proceedings of the First International Workshop on Image and Signal Processing and Analysis，2000.

[4] Zui Zhang, Hatice Gunes, Massimo Piccardi. An accurate algorithm for head detection based on XYZ and HSV hair and skin color models[C]. IEEE International Conference on Image Processing, 2008.

[5] 赵军伟, 候清涛, 李金屏. 基于数学形态学和HIS 颜色空间的人头检测[J]. 山东大学学报( 工学版), 2013, 43(2): 6-10. [ZHAO J W, HOU Q T, LI J T. Head detection algorithm based on mathematical morphology and HSI color space[J]. Journal of Shandong University (Engineering Science), 2013, 43(2): 6-10.].

[6] 邹利华. 检测彩色图像中人头数的人脸分割算法[J]. 微计算机信息, 2009, 25(7):1-3. [ZOU L H. Face segmentation based on counting people in color image[J]. Micro-computer Information, 2009, 25(7):1-3.]

[7] 张争珍, 石跃祥. YCgCr颜色空间的肤色聚类人脸检测法[J]. 计算机工程与应用, 2009, 45(22):163-167. [ZHANG Z Z, SHI Y X. Face detecting based on skin color clustering in a color space YCgCr[J]. Computer Engineering and Applications, 2009, 45(22):163-167.]

[8] 胡耀武. 基于视频分析的多目标人流自动计数研究[D]. 浙江：浙江理工大学, 2012. [HU Y W. Research on video analysis for people flow automatic counting system[D]. Zhejiang：Zhejiang Sci-Tech University, 2012.]

[9] Rafael CGonzalez, Richard E Woods, Steven L Eddins. Digital image processing using MATLAB[M]. Beijing: Publishing House of Electronics Industry, 2005.

[10] 王爱丽, 董宝田, 王泽胜. 融合背景差分的二次重构和内外标记分水岭的行人检测方法[J]. 交通运输系统工程与信息, 2014, 14(4): 66-72. [WANG A L, DONG B T, WANG Z S. Pedestrian detection of integrating BS based on quadratic reconstruction and IE marker watershed[J]. Journal of Transportation Systems Engineering and Information Technology, 2014, 14(4): 66-72.]

[1]	郭烈, 胥林立, 秦增科, 王旭. 自动驾驶接管影响因素分析与研究进展[J]. 交通运输系统工程与信息, 2022, 22(2): 72-90.
[2]	徐猛, 刘涛, 钟绍鹏, 姜宇. 城市智慧公交研究综述与展望[J]. 交通运输系统工程与信息, 2022, 22(2): 91-108.
[3]	程君, 张立炎, 陈启宏. 一种基于地图辅助的自动驾驶视-惯融合定位方法[J]. 交通运输系统工程与信息, 2022, 22(2): 117-126.
[4]	王国栋, 刘立, 孟宇, 马智萍, 郑淏清, 顾青, 白国星. 一体式车辆避撞轨迹规划与跟踪控制[J]. 交通运输系统工程与信息, 2022, 22(2): 127-136.
[5]	马东方, 陈曦, 吴晓东, 金盛. 基于强化学习的干线信号混合协同优化方法[J]. 交通运输系统工程与信息, 2022, 22(2): 145-153.
[6]	许波桅, 王玲玲, 李军军. 自动化码头多级作业超网络延误传导特性研究[J]. 交通运输系统工程与信息, 2022, 22(2): 280-289.
[7]	田会娟, 刘嘉伟, 翟佳豪, 邓琳琳. 基于多入侵线的视频车速检测方法[J]. 交通运输系统工程与信息, 2022, 22(1): 49-56.
[8]	贾彦峰, 曲大义, 赵梓旭, 王韬, 宋慧. 基于安全势场的网联自主车辆跟驰行为决策及模型[J]. 交通运输系统工程与信息, 2022, 22(1): 85-97.
[9]	刘文, 汪文博. 基于秩最小化矩阵去噪的船舶轨迹重构方法[J]. 交通运输系统工程与信息, 2022, 22(1): 106-114.
[10]	赵建东, 陈溱, 焦彦利, 张凯丽, 韩明敏. 重点营运车辆的异常驾驶行为识别研究[J]. 交通运输系统工程与信息, 2022, 22(1): 282-291.
[11]	徐东伟, 彭航, 商学天, 魏臣臣, 杨艳芳. 基于图自编码-生成对抗网络的路网数据修复[J]. 交通运输系统工程与信息, 2021, 21(6): 33-41.
[12]	游峰, 梁健中, 曹水金, 肖智豪, 吴镇江, 王海玮. 面向多目标跟踪的密集行人群轨迹提取和运动语义感知[J]. 交通运输系统工程与信息, 2021, 21(6): 42-54.
[13]	王福建, 俞佳浩, 赵锦焕, 梅振宇. 基于站点实时关联度的短时公交客流预测方法[J]. 交通运输系统工程与信息, 2021, 21(6): 131-144.
[14]	张毅, 姚丹亚, 李力, 裴华鑫, 晏松, 葛经纬. 智能车路协同系统关键技术与应用[J]. 交通运输系统工程与信息, 2021, 21(5): 40-51.
[15]	龙建成, 郭嘉琪. 动态交通分配问题研究回顾与展望[J]. 交通运输系统工程与信息, 2021, 21(5): 125-138.

基于人头颜色空间和轮廓信息的行人检测方法研究

Pedestrian Detection Method Based on Head Color Space and Outline Information

PDF

可视化

被引次数

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics