一種人頭檢測方法和裝置制造方法
【專利摘要】本發(fā)明提供一種人頭檢測方法和裝置，其中方法包括：獲取對第一圖片進行人頭檢測得到的包括目標物體的初始矩形、以及初始矩形中各像素點的第一三維坐標信息；將目標物體的第一三維坐標信息轉(zhuǎn)換為第二三維坐標信息；第二三維坐標信息中的第一軸坐標表示像素點距離地平面的高度，第二三維坐標信息中的第二軸坐標表示像素點與雙目攝像機沿所述第二軸方向的水平距離，第二三維坐標信息中的第三軸坐標表示像素點沿第三軸方向距離原點的距離；若目標物體的所述第二三維坐標信息與人頭物理屬性信息匹配，則確定目標物體是人頭，初始矩形是包含人頭的有效矩形。本發(fā)明提高了人頭檢測的準確度。
【專利說明】一種人頭檢測方法和裝置

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及視頻監(jiān)控領(lǐng)域，特別涉及一種人頭檢測方法和裝置。

【背景技術(shù)】
[0002] 隨著人口的增長和人們出行的頻繁，各類交通系統(tǒng)、以及商場、展館、機場、碼頭等 地都會形成持續(xù)的人流，人頭計數(shù)逐漸變得越來越重要。比如，對于交通系統(tǒng)來說，通過人 頭計數(shù)來統(tǒng)計客流數(shù)量是公交管理部門合理安排公交線路、優(yōu)化調(diào)度公交車輛的最主要依 據(jù)，因此對人頭計數(shù)方法的研究具有重大的實用價值?；谝曨l圖像處理技術(shù)的方法目前 是最有發(fā)展前途的人頭計數(shù)方法，包括根據(jù)雙目攝像機拍攝的圖片或視頻來統(tǒng)計人流量； 并且在基于雙目攝像機視頻統(tǒng)計人流量的方法中，人頭檢測是其中關(guān)鍵的步驟，即需要首 先從視頻圖片中將人頭檢測出來，才能跟蹤該人頭從而實現(xiàn)人流量的統(tǒng)計。
[0003] 具體的，人頭檢測是通過分類器從視頻圖片中進行人頭檢測，輸出包含目標物體 即人頭的矩形區(qū)域，而分類器是結(jié)合人臉膚色等特征來檢測人頭的，但是這些特征容易受 到環(huán)境的影響，比如當攝像機距離目標物體較遠或者受到光照影響時，人臉膚色特征可能 會不明顯，容易造成分類器對人頭的漏檢或者誤判。因此，當前的人頭檢測方法的準確度較 低。


【發(fā)明內(nèi)容】

[0004] 本發(fā)明提供一種人頭檢測方法和裝置，以提高人頭檢測的準確度。
[0005] 具體地，本發(fā)明是通過如下技術(shù)方案實現(xiàn)的：
[0006] 第一方面，提供一種人頭檢測方法，應用于對雙目攝像機輸出的圖片中的人頭進 行檢測，所述雙目攝像機包括第一攝像機和第二攝像機，所述雙目攝像機輸出的圖片包括： 所述第一攝像機輸出的第一圖片和所述第二攝像機輸出的第二圖片；所述人頭檢測方法包 括：
[0007] 獲取對所述第一圖片進行人頭檢測得到的包括目標物體的初始矩形、以及所述初 始矩形中各像素點的第一三維坐標信息；
[0008] 將所述目標物體的第一三維坐標信息轉(zhuǎn)換為第二三維坐標信息，所述第二三維坐 標信息所在的三維坐標系是以所述第一攝像機的光心在地平面的投影為原點、以所述光心 和所述原點的連線為第一軸，第二軸和第三軸在所述地平面；所述第二三維坐標信息中的 第一軸坐標表示像素點距離地平面的高度，所述第二三維坐標信息中的第二軸坐標表示像 素點與所述雙目攝像機沿所述第二軸方向的水平距離，所述第二三維坐標信息中的第三軸 坐標表示像素點沿所述第三軸方向距離所述原點的距離；
[0009] 若所述目標物體的所述第二三維坐標信息與人頭物理屬性信息匹配，則確定所述 目標物體是人頭，所述初始矩形是包含所述人頭的有效矩形。
[0010] 可選的，所述目標物體的所述第二三維坐標信息與人頭物理屬性信息匹配，包括： 所述第二三維坐標信息滿足如下條件：所述初始矩形中的所述目標物體中至少一個像素點 的所述第一軸坐標符合人頭高度范圍；以及，所述目標物體中的像素點組成的連續(xù)線段位 于同一區(qū)域范圍，所述連續(xù)線段中的各相鄰像素點的第二三維坐標信息的坐標差異在預設 變化范圍內(nèi)；并且所述連續(xù)線段中像素點的第一軸坐標符合人頭高度范圍；以及，所述目 標物體中的所述像素點組成的橫向最長連續(xù)線段與縱向最長連續(xù)線段的長度之比在預設 人臉比例范圍內(nèi)。
[0011] 可選的，在確定所述目標物體是人頭之后，還包括：若所述目標物體的第二軸坐 標，包括坐標al和坐標a2,且所述坐標al和坐標a2之差達到預設閾值，則確定所述目標 物體包括：所述坐標al對應的第一人頭、和所述坐標a2對應的第二人頭；根據(jù)所述坐標al 和坐標a2,從所述初始矩形中確定：包括所述第一人頭的第一子矩形和包括所述第二人頭 的第二子矩形。
[0012] 可選的，在所述確定所述目標物體是人頭，所述初始矩形是有效矩形，之后還包 括：根據(jù)所述目標物體的第二軸坐標，從所述有效矩形中選擇得到有效子矩形，在所述有效 子矩形中，人頭之外的像素點的數(shù)量少于所述有效矩形中的人頭之外的像素點的數(shù)量。
[0013] 可選的，若所述第一圖片和第二圖片是所述雙目攝像機拍攝的視頻中的圖片；則 在所述確定所述目標物體是人頭，所述初始矩形是有效矩形，之后還包括：獲取位于當前圖 片的前至少一幀的前圖片中的有效矩形，并得到所述有效矩形中的人頭的第一位置信息； 若所述當前圖片在所述第一位置對應的第二位置不存在所述人頭，則再次在所述當前圖片 進行人頭檢測，所述第二位置通過跟蹤算法由第一位置計算得到。
[0014] 第二方面，提供一種人頭檢測裝置，應用于對雙目攝像機輸出的圖片中的人頭進 行檢測，所述雙目攝像機包括第一攝像機和第二攝像機，所述雙目攝像機輸出的圖片包括： 所述第一攝像機輸出的第一圖片和所述第二攝像機輸出的第二圖片；所述裝置包括：
[0015] 信息獲取單元，用于獲取對所述第一圖片進行人頭檢測得到的包括目標物體的初 始矩形、以及所述初始矩形中各像素點的第一三維坐標信息；
[0016] 坐標轉(zhuǎn)換單元，用于將所述目標物體的第一三維坐標信息轉(zhuǎn)換為第二三維坐標信 息，所述第二三維坐標信息所在的三維坐標系是以所述第一攝像機的光心在地平面的投影 為原點、以所述光心和所述原點的連線為第一軸，第二軸和第三軸在所述地平面；所述第 二三維坐標信息中的第一軸坐標表示像素點距離地平面的高度，所述第二三維坐標信息中 的第二軸坐標表示像素點與所述雙目攝像機沿所述第二軸方向的水平距離，所述第二三維 坐標信息中的第三軸坐標表示像素點沿所述第三軸方向距離所述原點的距離；
[0017] 矩形過濾單元，用于若所述目標物體的所述第二三維坐標信息與人頭物理屬性信 息匹配，則確定所述目標物體是人頭，所述初始矩形是包含所述人頭的有效矩形。
[0018] 可選的，所述矩形過濾單元，具體用于：若所述目標物體的所述第二三維坐標信息 滿足如下條件，則確定所述第二三維坐標信息與人頭物理屬性信息匹配，所述條件包括：所 述初始矩形中的所述目標物體中至少一個像素點的所述第一軸坐標符合人頭高度范圍；以 及，所述目標物體中的像素點組成的連續(xù)線段位于同一區(qū)域范圍，所述連續(xù)線段中的各相 鄰像素點的第二三維坐標信息的坐標差異在預設變化范圍內(nèi)，并且所述像素點的第一軸坐 標符合人頭高度范圍；以及，所述目標物體中的所述像素點組成的橫向最長連續(xù)線段與縱 向最長連續(xù)線段的長度之比在預設人臉比例范圍內(nèi)。
[0019] 可選的，所述矩形過濾單元，還用于在確定所述目標物體是人頭之后，若所述目標 物體的第二軸坐標，包括坐標al和坐標a2,且所述坐標al和坐標a2之差達到預設閾值，則 確定所述目標物體包括：所述坐標al對應的第一人頭、和所述坐標a2對應的第二人頭；根 據(jù)所述坐標al和坐標a2,從所述初始矩形中確定：包括所述第一人頭的第一子矩形和包括 所述第二人頭的第二子矩形。
[0020] 可選的，所述矩形過濾單元，還用于根據(jù)所述目標物體的第二軸坐標，從所述有效 矩形中選擇得到有效子矩形，在所述有效子矩形中，人頭之外的像素點的數(shù)量少于所述有 效矩形中的人頭之外的像素點的數(shù)量。
[0021] 可選的，所述矩形過濾單元，還用于獲取位于當前圖片的前至少一幀的前圖片中 的有效矩形，并得到所述有效矩形中的人頭的第一位置信息；若所述當前圖片在所述第一 位置對應的第二位置不存在所述人頭，則再次在所述當前圖片進行人頭檢測，所述第二位 置通過跟蹤算法由第一位置計算得到。
[0022] 本發(fā)明實施例的人頭檢測方法和裝置，通過進行三維坐標轉(zhuǎn)換，并根據(jù)轉(zhuǎn)換后的 三維坐標信息進行判斷，若三維坐標信息與人頭物理屬性信息匹配，則可以確定目標物體 是人頭；這種方式實現(xiàn)了對初始矩形的過濾，提高了人頭檢測的準確度。

【專利附圖】

【附圖說明】
[0023] 圖1為本發(fā)明實施例提供的人頭檢測方法的應用示意圖；
[0024] 圖2為本發(fā)明實施例提供的人頭檢測方法的流程示意圖；
[0025] 圖3為本發(fā)明實施例提供的人頭檢測方法中的分類器檢測示意圖；
[0026] 圖4為本發(fā)明實施例提供的人頭檢測方法中的攝像機安裝示意圖；
[0027] 圖5為本發(fā)明實施例提供的人頭檢測方法中的距離計算原理圖；
[0028] 圖6為本發(fā)明實施例提供的人頭檢測方法中的坐標系示意圖；
[0029] 圖7為本發(fā)明實施例提供的人頭檢測方法中的人頭物理屬性信息判斷流程圖；
[0030] 圖8為圖7中的高度判斷原理圖；
[0031] 圖9為圖7中的連續(xù)性判斷原理圖；
[0032] 圖10為本發(fā)明實施例提供的人頭檢測方法中的遮擋情況一；
[0033] 圖11為本發(fā)明實施例提供的人頭檢測方法中的遮擋情況二；
[0034] 圖12為本發(fā)明實施例提供的人頭檢測方法中的遮擋情況三；
[0035] 圖13為本發(fā)明實施例提供的人頭檢測方法中的絆線檢測示意圖；
[0036] 圖14為本發(fā)明實施例提供的人頭檢測方法中的冗余去除示意圖；
[0037] 圖15為本發(fā)明實施例提供的人頭檢測方法中的漏檢檢測示意圖；
[0038] 圖16為本發(fā)明實施例提供的人頭檢測裝置的結(jié)構(gòu)示意圖。

【具體實施方式】
[0039] 為了使得本發(fā)明實施例的人頭檢測方法更加容易理解，首先結(jié)合圖1說明該檢測 方法可選的一種應用場景，如圖1所示，雙目攝像機可以應用在例如商場、超市、地鐵、火車 站或公園入口等，用于進行人流量統(tǒng)計；比如圖1中所示的，雙目攝像機11設置在公園入口 處，并且是傾斜面向前方設置，對進行公園的人流量進行統(tǒng)計。雙目攝像機11將拍攝的圖 片或視頻傳輸至后臺服務器12,傳輸方式可以是有線或無線傳輸；后臺服務器12將對接收 到的圖片或視頻進行處理，識別出圖片中的人頭，并跟蹤該人頭的運動軌跡實現(xiàn)流量統(tǒng)計。
[0040] 具體的，后臺服務器12可以包括如下功能：例如，可以通過分類器從圖片中檢測 出人頭，輸出包括人頭的矩形區(qū)域，在本發(fā)明后續(xù)的各實施例中，將包括人頭的矩形區(qū)域稱 為矩形（即人頭矩形），例如后面提到的初始矩形、第一子矩形、第二子矩形等；并且，還可 以結(jié)合雙目攝像機11的兩個攝像機拍攝的圖片綜合處理得到圖片中的各像素點的三維坐 標，稱為第一三維坐標信息，是攝像機坐標系中的坐標；此外，具體實施中，包含人頭的矩形 也不一定是分類器的輸出，也可以是其他的人頭檢測方法的輸出，在本發(fā)明的各實施例中 是以分類器輸出為例。此外，本發(fā)明實施例是以后臺服務器12執(zhí)行上述處理為例，具體實 施中，也可以是由雙目攝像機11集成的分析功能模塊來執(zhí)行。
[0041] 本實施例相對于現(xiàn)有技術(shù)的區(qū)別在于，增加了坐標轉(zhuǎn)換的處理，將第一三維坐標 信息轉(zhuǎn)換為第二三維坐標信息，并據(jù)此對初始矩形進行過濾，過濾掉無效矩形（無效矩形 比如是分類器判斷失誤，矩形中的物體不是人頭），最終輸出有效矩形，即有效矩形中的確 包含的是人頭，從而提高人頭檢測的準確性。
[0042] 下面的各個實施例中將詳細的解釋如何對初始矩形進行過濾；需要說明的是，圖 1中僅僅示出了本發(fā)明實施例的人頭檢測方法中部分的改進功能，本實施例在生成最終輸 出的有效矩形的過程中，還包括了其他方面的改進，這些都將在后續(xù)的實施例中逐步進行 說明，這里只是說明本發(fā)明實施例是對現(xiàn)有技術(shù)的分類器輸出的初始矩形進行了過濾。此 夕卜，后臺服務器12在輸出包含人頭的有效矩形之后，還可以跟蹤檢測到的人頭以實現(xiàn)流量 統(tǒng)計，這些由于不是本發(fā)明實施例的針對重點，所以未顯示在圖1中。
[0043] 實施例一
[0044] 圖2為本發(fā)明實施例提供的一種人頭檢測方法的流程示意圖，如圖2所示，該流程 示意了本實施例方法的主要思想，可以包括如下步驟：
[0045] 201、獲取分類器對所述第一圖片進行人頭檢測得到的包括目標物體的初始矩形、 以及所述初始矩形中各像素點的第一三維坐標信息；
[0046] 本實施例中，雙目攝像機可以包括第一攝像機（例如，左目攝像機）和第二攝像機 (例如，右目攝像機），本步驟所述的第一圖片可以是第一攝像機拍攝的圖片；需要說明的 是，本實施例所述的圖片，可以是非視頻的單個輸出的圖片、或者是視頻中的連續(xù)圖片中的 某幀圖片。
[0047] 在通過分類器對第一圖片進行人頭檢測之前，需要首先完成分類器的訓練。本實 施例選用Adaboost分類器，訓練人臉和人頭背面（由于人臉和人頭的特征都比較明顯）， adaboost分類器可以做到很高的檢測準確率，漏檢率很低。在訓練分類器的時候，本實施 例選用haar矩形特征（實踐證明該特征非常適合人頭檢測）進行訓練，一共訓練15?20 級，這樣可以保證有98%以上的檢測準確率。取0. 999的檢測準確率+0. 6的虛警率；需要 說明的是，本實施例相對于現(xiàn)有技術(shù)中的虛警率（0.5)，有所提高，目標是首先保證檢測準 確率，即允許有誤檢，但正確的目標盡可能都檢測到，因為即使有誤檢，在本實施例提供的 方法的后續(xù)步驟會有效過濾誤檢區(qū)域。并且在使用分類器進行人頭檢測時，選擇被1?2個 通過檢測的相鄰矩形所覆蓋的區(qū)域即認為是目標區(qū)域（一般為了降低虛警率，會選擇3?5 個），這樣做的目的是將部分遮擋的人臉區(qū)域都可以被識別出來，雖然提升了虛警率，但后 續(xù)的三維信息處理可以有效過濾誤檢區(qū)域。
[0048] 本步驟中，分類器對第一圖片進行人頭檢測，可以得到包括目標物體的初始矩形， 參見圖3,以第一圖片31為例，該第一圖片31是第一攝像機拍攝的圖片，其中可能包括人像 32、樹木33等物體，分類器的作用是要將人像32的人頭檢測出來，輸出包含了該人頭的初 始矩形34。但是也可能該分類器發(fā)生了誤判，將樹木33的上部也認為是人頭，而輸出初始 矩形35,因此，本實施例暫時稱為分類器輸出的是包含目標物體的初始矩形，該目標物體比 如是圖片34中的人頭，也可能不是人頭而是圖片35中的樹木上部；后續(xù)本實施例在對這些 矩形進行過濾后，最終會輸出目標物體確實是人頭的有效矩形。
[0049] 此外，本實施例的第一三維坐標信息（以左目攝像機光心為原點的攝像機三維坐 標系）可以是后臺服務器根據(jù)雙目攝像機中的兩個攝像機輸出的第一圖片和第二圖片綜 合處理得到，當然也可以通過其他算法得到，此處不做限定。。
[0050] 202、將所述目標物體的第一三維坐標信息轉(zhuǎn)換為第二三維坐標信息；
[0051] 本實施例需要用到轉(zhuǎn)換后的第二三維坐標信息進行矩形的過濾，如下詳細描述第 二三維坐標信息如何轉(zhuǎn)換：
[0052] 首先，在做三維坐標轉(zhuǎn)換時需要使用一些參數(shù)，即雙目攝像機的光心相對于地平 面的垂直距離、以及雙目攝像機相對于垂直方向的安裝傾斜角度。為了獲取這兩個參數(shù)，本 實施例在安裝雙目攝像機時，參照圖4的安裝方式：可以設置一個垂直指示桿41，該垂直指 示桿41在安裝時需要保持和地平面的垂直，用途是以便于雙目攝像機在安裝時便于掌握 和控制垂直指示桿的夾角a。雙目攝像機的兩個攝像機的連線也需要和垂直指示桿相互垂 直，即該連線和地平面平行。雙目攝像機42上可以安裝一個角度測量儀43,用于測量上述 的夾角a。
[0053] 還需要在垂直指示桿41上設置一個距離測量儀44,借助于該距離測量儀44可以 計算得到雙目攝像機中的左目攝像機45的光心相對于地平面的垂直距離。例如，該距離測 量儀44可以選擇簡單的紅外距離傳感器。根據(jù)該距離測量儀44測量左目攝像機45的光 心相對于地平面的垂直距離的原理可以參見圖5,距離測量儀44可以將雙目攝像機的安裝 位置和地平面的垂直距離D1測量出來，記為D1，光心GX與攝像機端部的距離D2是已知的， 根據(jù)D2和夾角a可以計算得到D3, D1-D3就是光心相對于地平面的垂直距離T。
[0054] 接著，在獲取了上述的T和夾角a后，可以根據(jù)這兩個參數(shù)進行坐標變換。那么在 解釋變換之前，先結(jié)合圖6說明將要變換到的目標坐標系。第二三維坐標信息所在的三維 坐標系，是以第一攝像機（本實施例以左目攝像機為例）的光心在地平面的投影為原點，以 光心和原點的連線為第一軸（本實施例以該第一軸是Y軸為例），第二軸和第三軸在地平面 (本實施例以第二軸是Z軸，第三軸是X軸為例）；那么，第二三維坐標信息中的第一軸坐標 即Y軸坐標表示像素點距離地平面的高度（因為后續(xù)步驟中的處理需要獲取圖片中每個像 素點的第二三維坐標信息），第二軸坐標即Z軸坐標表示像素點與雙目攝像機沿Z軸方向的 水平距離，第三軸坐標即X軸坐標表示像素點沿X軸方向距離原點的距離。本實施例中，XZ 平面是地平面，且盡量是水平的沒有明顯坡度的平面。
[0055] 最后，描述如何進行三維坐標的變換：兩個三維坐標系的轉(zhuǎn)換可以通過一個旋 轉(zhuǎn)矩陣R和一個平移矩陣T來完成，其中T =世界坐標系原點-攝像機坐標系原點（向 量的計算參考世界坐標系）。在三維空間，旋轉(zhuǎn)可以分為繞三個坐標軸的二維旋轉(zhuǎn)， 旋轉(zhuǎn)的角度Θ等同于將目標點反方向旋轉(zhuǎn)同樣的角度，如果依次繞χ/y/z軸旋轉(zhuǎn)的 角度記為a/b/c，那么總的旋轉(zhuǎn)矩陣R是三個矩陣Rx(a)，Ry(b)，Rz(c)的乘積，其中，

【權(quán)利要求】
1. 一種人頭檢測方法，其特征在于，應用于對雙目攝像機輸出的圖片中的人頭進行檢 測，所述雙目攝像機包括第一攝像機和第二攝像機，所述雙目攝像機輸出的圖片包括：所述 第一攝像機輸出的第一圖片和所述第二攝像機輸出的第二圖片；所述人頭檢測方法包括： 獲取對所述第一圖片進行人頭檢測得到的包括目標物體的初始矩形、以及所述初始矩 形中各像素點的第一三維坐標信息； 將所述目標物體的第一三維坐標信息轉(zhuǎn)換為第二三維坐標信息，所述第二三維坐標信 息所在的三維坐標系是以所述第一攝像機的光心在地平面的投影為原點、以所述光心和所 述原點的連線為第一軸，第二軸和第三軸在所述地平面；所述第二三維坐標信息中的第一 軸坐標表示像素點距離地平面的高度，所述第二三維坐標信息中的第二軸坐標表示像素點 與所述雙目攝像機沿所述第二軸方向的水平距離，所述第二三維坐標信息中的第三軸坐標 表示像素點沿所述第三軸方向距離所述原點的距離； 若所述目標物體的所述第二三維坐標信息與人頭物理屬性信息匹配，則確定所述目標 物體是人頭，所述初始矩形是包含所述人頭的有效矩形。
2. 根據(jù)權(quán)利要求1所述的方法，其特征在于，所述目標物體的所述第二三維坐標信息 與人頭物理屬性信息匹配，包括： 所述第二三維坐標信息滿足如下條件： 所述初始矩形中的所述目標物體中至少一個像素點的所述第一軸坐標符合人頭高度 范圍；以及， 所述目標物體中的像素點組成的連續(xù)線段位于同一區(qū)域范圍，所述連續(xù)線段中的各相 鄰像素點的第二三維坐標信息的坐標差異在預設變化范圍內(nèi)；并且所述連續(xù)線段中像素點 的第一軸坐標符合人頭高度范圍；以及， 所述目標物體中的所述像素點組成的橫向最長連續(xù)線段與縱向最長連續(xù)線段的長度 之比在預設人臉比例范圍內(nèi)。
3. 根據(jù)權(quán)利要求1所述的方法，其特征在于，在確定所述目標物體是人頭之后，還包 括： 若所述目標物體的第二軸坐標，包括坐標al和坐標a2,且所述坐標al和坐標a2之差 達到預設閾值，則確定所述目標物體包括：所述坐標al對應的第一人頭、和所述坐標a2對 應的第二人頭； 根據(jù)所述坐標al和坐標a2,從所述初始矩形中確定：包括所述第一人頭的第一子矩形 和包括所述第二人頭的第二子矩形。
4. 根據(jù)權(quán)利要求1所述的方法，其特征在于，在所述確定所述目標物體是人頭，所述初 始矩形是有效矩形，之后還包括： 根據(jù)所述目標物體的第二軸坐標，從所述有效矩形中選擇得到有效子矩形，在所述有 效子矩形中，人頭之外的像素點的數(shù)量少于所述有效矩形中的人頭之外的像素點的數(shù)量。
5. 根據(jù)權(quán)利要求1所述的方法，其特征在于，若所述第一圖片和第二圖片是所述雙目 攝像機拍攝的視頻中的圖片；則在所述確定所述目標物體是人頭，所述初始矩形是有效矩 形，之后還包括： 獲取位于當前圖片的前至少一幀的前圖片中的有效矩形，并得到所述有效矩形中的人 頭的第一位置信息； 若所述當前圖片在所述第一位置對應的第二位置不存在所述人頭，則再次在所述當前 圖片進行人頭檢測，所述第二位置通過跟蹤算法由第一位置計算得到。
6. -種人頭檢測裝置，其特征在于，應用于對雙目攝像機輸出的圖片中的人頭進行檢 測，所述雙目攝像機包括第一攝像機和第二攝像機，所述雙目攝像機輸出的圖片包括：所述 第一攝像機輸出的第一圖片和所述第二攝像機輸出的第二圖片；所述裝置包括： 信息獲取單元，用于獲取對所述第一圖片進行人頭檢測得到的包括目標物體的初始矩 形、以及所述初始矩形中各像素點的第一三維坐標信息； 坐標轉(zhuǎn)換單元，用于將所述目標物體的第一三維坐標信息轉(zhuǎn)換為第二三維坐標信息， 所述第二三維坐標信息所在的三維坐標系是以所述第一攝像機的光心在地平面的投影為 原點、以所述光心和所述原點的連線為第一軸，第二軸和第三軸在所述地平面；所述第二三 維坐標信息中的第一軸坐標表示像素點距離地平面的高度，所述第二三維坐標信息中的第 二軸坐標表示像素點與所述雙目攝像機沿所述第二軸方向的水平距離，所述第二三維坐標 信息中的第三軸坐標表示像素點沿所述第三軸方向距離所述原點的距離； 矩形過濾單元，用于若所述目標物體的所述第二三維坐標信息與人頭物理屬性信息匹 配，則確定所述目標物體是人頭，所述初始矩形是包含所述人頭的有效矩形。
7. 根據(jù)權(quán)利要求6所述的裝置，其特征在于， 所述矩形過濾單元，具體用于：若所述目標物體的所述第二三維坐標信息滿足如下條 件，則確定所述第二三維坐標信息與人頭物理屬性信息匹配，所述條件包括：所述初始矩形 中的所述目標物體中至少一個像素點的所述第一軸坐標符合人頭高度范圍；以及，所述目 標物體中的像素點組成的連續(xù)線段位于同一區(qū)域范圍，所述連續(xù)線段中的各相鄰像素點的 第二三維坐標信息的坐標差異在預設變化范圍內(nèi)，并且所述像素點的第一軸坐標符合人頭 高度范圍；以及，所述目標物體中的所述像素點組成的橫向最長連續(xù)線段與縱向最長連續(xù) 線段的長度之比在預設人臉比例范圍內(nèi)。
8. 根據(jù)權(quán)利要求7所述的裝置，其特征在于， 所述矩形過濾單元，還用于在確定所述目標物體是人頭之后，若所述目標物體的第二 軸坐標，包括坐標al和坐標a2,且所述坐標al和坐標a2之差達到預設閾值，則確定所述目 標物體包括：所述坐標al對應的第一人頭、和所述坐標a2對應的第二人頭；根據(jù)所述坐標 al和坐標a2,從所述初始矩形中確定：包括所述第一人頭的第一子矩形和包括所述第二人 頭的第二子矩形。
9. 根據(jù)權(quán)利要求7所述的裝置，其特征在于， 所述矩形過濾單元，還用于根據(jù)所述目標物體的第二軸坐標，從所述有效矩形中選擇 得到有效子矩形，在所述有效子矩形中，人頭之外的像素點的數(shù)量少于所述有效矩形中的 人頭之外的像素點的數(shù)量。
10. 根據(jù)權(quán)利要求7所述的裝置，其特征在于， 所述矩形過濾單元，還用于獲取位于當前圖片的前至少一幀的前圖片中的有效矩形， 并得到所述有效矩形中的人頭的第一位置信息；若所述當前圖片在所述第一位置對應的第 二位置不存在所述人頭，則再次在所述當前圖片進行人頭檢測，所述第二位置通過跟蹤算 法由第一位置計算得到。
【文檔編號】G06T7/00GK104103077SQ201410366646
【公開日】2014年10月15日 申請日期:2014年7月29日 優(yōu)先權(quán)日:2014年7月29日
【發(fā)明者】蘇志杰 申請人:浙江宇視科技有限公司