一種活動對象圖像識別方法及裝置制造方法
【專利摘要】本發(fā)明公開了一種活動對象圖像識別方法及裝置，屬于圖像處理領(lǐng)域。方法包括：根據(jù)視頻中預(yù)定數(shù)量幀圖像，建立圖像中活動對象的外表模型，外表模型包括圖像中活動對象的至少兩個部位的圖像塊，部位包括活動對象的軀體及與軀體活動連接的活動部；以各部位的圖像塊為圖像模板，在視頻中每一幀圖像中，檢測與圖像模板相匹配的圖像區(qū)域；對檢測到的與圖像模板相匹配的圖像區(qū)域進行組合，得到每一幀圖像中需識別的活動對象圖像；根據(jù)得到的每一幀圖像中需識別的活動對象圖像，確定出活動對象圖像在每一幀圖像中的位置。裝置包括建立模塊、檢測模塊、組合模塊和確定模塊。本發(fā)明建立的外表模型真實體現(xiàn)活動對象的特征，在識別活動對象時不會造成誤檢測。
【專利說明】一種活動對象圖像識別方法及裝置

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及圖像處理領(lǐng)域，特別涉及一種活動對象圖像識別方法及裝置。

【背景技術(shù)】
[0002] 人體追蹤指，在視頻的連續(xù)幀圖像中識別出不斷更新位置的人體圖像。由于人體 在圖像中成像的復(fù)雜表現(xiàn)，比如，不同人有著不同的體形、在生活中穿著不同顏色的衣服、 以及在生活場景中會被干擾物遮擋，因此，要實現(xiàn)人體追蹤非常具有挑戰(zhàn)性。
[0003] 現(xiàn)有的人體追蹤方法包括：首先，獲取針對身體的特定特征（比如眼睛、頭或身體 輪廓）的大量圖像樣本，其次，使用圖像樣本訓(xùn)練出分類器（比如支持向量機和Adaboost 分類器），然后，以每幀圖像的每個像素為中心，獲得與圖像樣本相同大小的圖像塊，最后， 采用分類器對每個圖像塊進行分類，并將類別為人體的像素進行組合，得到檢測到的人體 目標(biāo)。
[0004] 在實現(xiàn)本發(fā)明的過程中，發(fā)明人發(fā)現(xiàn)現(xiàn)有技術(shù)至少存在以下問題：人體的身體變 化很大，圖像樣本不能完全描述人體的身體特征，采用分類器易造成誤檢測。


【發(fā)明內(nèi)容】

[0005] 為了解決人體追蹤中采用分類器造成的誤檢測問題，本發(fā)明實施例提供了 一種活 動對象圖像識別方法及裝置。所述技術(shù)方案如下：
[0006] 第一方面，本發(fā)明提供了一種活動對象圖像識別方法，所述方法包括：
[0007] 根據(jù)視頻中預(yù)定數(shù)量幀圖像，建立所述圖像中活動對象的外表模型，所述外表模 型包括所述圖像中活動對象的至少兩個部位的圖像塊，所述部位包括所述活動對象的軀體 及與所述軀體活動連接的活動部；
[0008] 以各所述部位的圖像塊為圖像模板，在所述視頻中每一幀圖像中，檢測與所述圖 像模板相匹配的圖像區(qū)域；
[0009] 對檢測到的與所述圖像模板相匹配的圖像區(qū)域進行組合，得到所述每一幀圖像中 需識別的活動對象圖像；
[0010] 根據(jù)得到的所述每一幀圖像中需識別的活動對象圖像，確定出所述活動對象圖像 在所述每一幀圖像中的位置。
[0011] 結(jié)合第一方面，在第一方面的第一實施方式中，所述活動對象包括人體，所述外表 模型包括所述圖像中人體的至少兩個身體部位的圖像塊，所述身體部位包括所述人體的 頭、上肢、下肢和軀干。
[0012] 結(jié)合第一方面的第一實施方式，在第一方面的第二實施方式中，所述以各所述部 位的圖像塊為圖像模板，在所述視頻中的每一幀圖像中，檢測與所述圖像模板相匹配的圖 像區(qū)域，包括：
[0013] 獲取各所述身體部位的圖像塊的第一特征集合；
[0014] 獲取所述視頻中每一幀圖像的第二特征集合，所述第一特征集合和所述第二特 征集合為至少一種圖像特征構(gòu)成的集合，所述圖像特征包括輪廓線、顏色直方圖和哈爾 Harr-like特征，所述第一特征集合和所述第二特征集合中的圖像特征相同；
[0015] 在所述第二特征集合中，查找與所述第一特征集合匹配的特征集合；
[0016] 確定與查找到的所述特征集合對應(yīng)的圖像區(qū)域。
[0017] 結(jié)合第一方面的第一實施方式，在第一方面的第三實施方式中，所述對檢測到的 與所述圖像模板相匹配的圖像區(qū)域進行組合，得到所述每一幀圖像中需識別的活動對象圖 像，包括：
[0018] 按照預(yù)定規(guī)則，從檢測到的與所述圖像模板相匹配的圖像區(qū)域中，確定屬于所述 圖像中人體的實際身體部位的圖像區(qū)域；
[0019] 對屬于所述圖像中人體的實際身體部位的圖像區(qū)域進行組合，得到所述每一幀圖 像中需識別的人體圖像；
[0020] 其中，所述預(yù)定規(guī)則包括以下規(guī)則中的一種或多種：
[0021] 屬于所述圖像中人體的實際身體部位的圖像區(qū)域的鄰近圖像區(qū)域為檢測到的與 所述圖像模板相匹配的圖像區(qū)域；
[0022] 屬于所述圖像中人體的實際身體部位的圖像區(qū)域?qū)?yīng)的身體部位和屬于所述圖 像中人體的實際身體部位的圖像區(qū)域的鄰近圖像區(qū)域?qū)?yīng)的身體部位包括每個所述身體 部位；
[0023] 屬于所述圖像中人體的實際身體部位的圖像區(qū)域?qū)?yīng)的身體部位與屬于所述圖 像中人體的實際身體部位的圖像區(qū)域的鄰近圖像區(qū)域?qū)?yīng)的身體部位的位置關(guān)系與所述 人體各身體部位的實際位置關(guān)系一致；
[0024] 屬于當(dāng)前幀圖像中人體的實際身體部位的圖像區(qū)域?qū)?yīng)的身體部位與屬于所述 當(dāng)前幀圖像中人體的實際身體部位的圖像區(qū)域的鄰近圖像區(qū)域?qū)?yīng)的身體部位的位置關(guān) 系、與屬于上一幀圖像中人體的實際身體部位的圖像區(qū)域?qū)?yīng)的身體部位與屬于所述上一 幀圖像中人體的實際身體部位的圖像區(qū)域的鄰近圖像區(qū)域?qū)?yīng)的身體部位的位置關(guān)系一 致。
[0025] 結(jié)合第一方面的第一實施方式，在第一方面的第四實施方式中，所述根據(jù)視頻中 預(yù)定數(shù)量幀圖像，建立所述圖像中活動對象的外表模型，包括：
[0026] 獲取所述視頻中所述預(yù)定數(shù)量幀圖像；
[0027] 在獲取的每一幀圖像中，捕捉人體各身體部位的圖像塊的顏色和尺度；
[0028] 統(tǒng)計所述每一幀圖像中捕捉到的各所述身體部位的圖像塊的顏色，得到屬于各所 述身體部位的圖像塊的顏色范圍；
[0029] 根據(jù)捕捉的各所述身體部位的圖像塊的尺度和得到的各所述身體部位的圖像塊 的顏色范圍，建立所述圖像中人體的外表模型。
[0030] 結(jié)合第一方面的第一實施方式和第一方面的第四實施方式，在第一方面的第五實 施方式中，所述在獲取的每一幀圖像中，捕捉人體各身體部位的圖像塊的顏色和尺度，包 括：
[0031] 在獲取的每一幀圖像中，檢測所述人體的頭的圖像塊，并捕捉所述人體的頭的圖 像塊的顏色和尺度；
[0032] 在獲取的每一幀圖像中，檢測所述人體的骨架，所述人體的骨架包括身體部位中 除頭外的身體部位的骨架；
[0033] 以所述人體的骨架為中心，確定出身體部位中除頭外的身體部位的圖像塊，并捕 捉所述身體部位中除頭外的身體部位的圖像塊的顏色和尺度。
[0034] 第二方面，本發(fā)明提供了一種活動對象圖像識別裝置，所述裝置包括：
[0035] 建立模塊，用于根據(jù)視頻中預(yù)定數(shù)量幀圖像，建立所述圖像中活動對象的外表模 型，所述外表模型包括所述圖像中活動對象的至少兩個部位的圖像塊，所述部位包括所述 活動對象的軀體及與所述軀體活動連接的活動部；
[0036] 檢測模塊，用于以各所述部位的圖像塊為圖像模板，在所述視頻中每一幀圖像中， 檢測與所述圖像模板相匹配的圖像區(qū)域；
[0037] 組合模塊，用于對檢測到的與所述圖像模板相匹配的圖像區(qū)域進行組合，得到所 述每一幀圖像中需識別的活動對象圖像；
[0038] 確定模塊，用于根據(jù)得到的所述每一幀圖像中需識別的活動對象圖像，確定出所 述活動對象圖像在所述每一幀圖像中的位置。
[0039] 結(jié)合第二方面，在第二方面的第一實施方式中，所述活動對象包括人體，所述建立 模塊建立的所述外表模型包括所述圖像中人體的至少兩個身體部位的圖像塊，所述身體部 位包括所述人體的頭、上肢、下肢和軀干。
[0040] 結(jié)合第二方面的第一實施方式，在第二方面的第二實施方式中，所述檢測模塊包 括：
[0041] 第一獲取單元，用于獲取各所述身體部位的圖像塊的第一特征集合，所述第一特 征集合為至少一種圖像特征構(gòu)成的集合，所述圖像特征包括輪廓線、顏色直方圖和哈爾 Harr-like 特征；
[0042] 第二獲取單元，用于獲取所述視頻中每一幀圖像的第二特征集合，所述第二特征 集合為至少一種所述圖像特征構(gòu)成的集合，所述第一特征集合和所述第二特征集合中的圖 像特征相同；
[0043] 查找單元，用于在所述第二特征集合中，查找與所述第一特征集合匹配的特征集 合，并確定與查找到的所述特征集合對應(yīng)的圖像區(qū)域。
[0044] 結(jié)合第二方面的第一實施方式，在第二方面的第三實施方式中，所述組合模塊用 于，
[0045] 按照預(yù)定規(guī)則，從檢測到的與所述圖像模板相匹配的圖像區(qū)域中，確定屬于所述 圖像中人體的實際身體部位的圖像區(qū)域；
[0046] 對屬于所述圖像中人體的實際身體部位的圖像區(qū)域進行組合，得到所述每一幀圖 像中需識別的人體圖像；
[0047] 其中，所述預(yù)定規(guī)則包括以下規(guī)則中的一種或多種：
[0048] 屬于所述圖像中人體的實際身體部位的圖像區(qū)域的鄰近圖像區(qū)域為檢測到的與 所述圖像模板相匹配的圖像區(qū)域；
[0049] 屬于所述圖像中人體的實際身體部位的圖像區(qū)域?qū)?yīng)的身體部位和屬于所述圖 像中人體的實際身體部位的圖像區(qū)域的鄰近圖像區(qū)域?qū)?yīng)的身體部位包括每個所述身體 部位；
[0050] 屬于所述圖像中人體的實際身體部位的圖像區(qū)域?qū)?yīng)的身體部位與屬于所述圖 像中人體的實際身體部位的圖像區(qū)域的鄰近圖像區(qū)域?qū)?yīng)的身體部位的位置關(guān)系與所述 人體各身體部位的實際位置關(guān)系一致；
[0051] 屬于當(dāng)前幀圖像中人體的實際身體部位的圖像區(qū)域?qū)?yīng)的身體部位與屬于所述 當(dāng)前幀圖像中人體的實際身體部位的圖像區(qū)域的鄰近圖像區(qū)域?qū)?yīng)的身體部位的位置關(guān) 系、與屬于上一幀圖像中人體的實際身體部位的圖像區(qū)域?qū)?yīng)的身體部位與屬于所述上一 幀圖像中人體的實際身體部位的圖像區(qū)域的鄰近圖像區(qū)域?qū)?yīng)的身體部位的位置關(guān)系一 致。
[0052] 結(jié)合第二方面的第一實施方式，在第二方面的第四實施方式中，所述建立模塊包 括：
[0053] 第三獲取單元，用于獲取所述視頻中所述預(yù)定數(shù)量幀圖像；
[0054] 捕捉單元，用于在獲取的每一幀圖像中，捕捉人體各身體部位的圖像塊的顏色和 尺度；
[0055] 統(tǒng)計單元，用于統(tǒng)計所述每一幀圖像中捕捉到的各所述身體部位的圖像塊的顏 色，得到屬于各所述身體部位的圖像塊的顏色范圍；
[0056] 建立單元，用于根據(jù)捕捉的各所述身體部位的圖像塊的尺度和得到的各所述身體 部位的圖像塊的顏色范圍，建立所述圖像中人體的外表模型。
[0057] 結(jié)合第二方面的第一實施方式和第二方面的第四實施方式，在第二方面的第五實 施方式中，所述捕捉單元用于，
[0058] 在獲取的每一幀圖像中，檢測所述人體的頭的圖像塊，并捕捉所述人體的頭的圖 像塊的顏色和尺度；
[0059] 在獲取的每一幀圖像中，檢測所述人體的骨架，所述人體的骨架包括身體部位中 除頭外的身體部位的骨架；
[0060] 以所述人體的骨架為中心，確定出身體部位中除頭外的身體部位的圖像塊，并捕 捉所述身體部位中除頭外的身體部位的圖像塊的顏色和尺度。
[0061] 本發(fā)明實施例提供的技術(shù)方案帶來的有益效果是：
[0062] 通過根據(jù)視頻中預(yù)定數(shù)量幀圖像，建立圖像中活動對象的外表模型，外表模型包 括圖像中活動對象的至少兩個部位的圖像塊；外表模型基于視頻中圖像建立，能夠真實體 現(xiàn)視頻中活動對象外表的特征；以各部位的圖像塊為圖像模板，在視頻中每一幀圖像中，檢 測與圖像模板相匹配的圖像區(qū)域；各部位的圖像塊包含了各部位的顏色和尺度，不會隨著 圖像中活動對象位置的改變而出現(xiàn)劇烈的變化，能夠形成持續(xù)有效的檢測；對檢測到的與 圖像模板相匹配的圖像區(qū)域進行組合，得到每一幀圖像中需識別的活動對象圖像；由于外 表模型真實體現(xiàn)視頻中活動對象的特征，且能夠形成持續(xù)有效的檢測，因此，在識別活動對 象圖像時不會造成誤檢測，使得在根據(jù)得到的每一幀圖像中需識別的活動對象圖像，確定 出活動對象圖像在每一幀圖像中的位置時，能夠?qū)顒訉ο筮M行持續(xù)有效的追蹤。

【專利附圖】

【附圖說明】
[0063] 為了更清楚地說明本發(fā)明實施例中的技術(shù)方案，下面將對實施例描述中所需要使 用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發(fā)明的一些實施例，對于 本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動的前提下，還可以根據(jù)這些附圖獲得其他 的附圖。
[0064] 圖1是本發(fā)明實施例提供的一種活動對象圖像識別方法的流程圖；
[0065] 圖2是本發(fā)明實施例提供的又一種活動對象圖像識別方法的流程圖；
[0066] 圖3是本發(fā)明實施例提供的其中一幀圖像中檢測出的人體的骨架的示意圖； [0067]圖4是本發(fā)明實施例提供的當(dāng)前幀圖像中查找到的人體圖像的各身體部位的圖 像塊的不意圖；
[0068] 圖5是本發(fā)明實施例提供的一種活動對象圖像識別裝置的結(jié)構(gòu)示意圖；
[0069] 圖6是本發(fā)明實施例提供的又一種活動對象圖像識別裝置的結(jié)構(gòu)示意圖。

【具體實施方式】
[0070] 為使本發(fā)明的目的、技術(shù)方案和優(yōu)點更加清楚，下面將結(jié)合附圖對本發(fā)明實施方 式作進一步地詳細描述。
[0071] 為了便于對本發(fā)明實施例提供的技術(shù)方案的理解，首先對活動對象進行介紹。在 本實施例中，活動對象指具備活動能力的物體，包括人體、動物、以及部分機械產(chǎn)品（包括 機器人）。
[0072] 實施例一
[0073] 本發(fā)明實施例提供了一種活動對象圖像識別方法，參見圖1，該方法流程包括：
[0074] 在步驟101中，根據(jù)視頻中預(yù)定數(shù)量幀圖像，建立圖像中活動對象的外表模型。
[0075] 其中，外表模型包括圖像中活動對象的至少兩個部位的圖像塊。該部位包括活動 對象的軀體及與該軀體活動連接的活動部。
[0076] 作為本實施例的可選實施方式，可以根據(jù)視頻中起始的預(yù)定數(shù)量幀圖像，建立外 表模型。預(yù)定數(shù)量可以是3?5。
[0077] 在步驟102中，以各部位的圖像塊為圖像模板，在視頻中每一幀圖像中，檢測與圖 像模板相匹配的圖像區(qū)域。
[0078] 在步驟103中，對檢測到的與圖像模板相匹配的圖像區(qū)域進行組合，得到每一幀 圖像中需識別的活動對象圖像。
[0079] 在步驟104中，根據(jù)得到的每一幀圖像中需識別的活動對象圖像，確定出活動對 象圖像在每一幀圖像中的位置。
[0080] 本發(fā)明實施例通過根據(jù)視頻中預(yù)定數(shù)量幀圖像，建立圖像中活動對象的外表模 型，外表模型包括圖像中活動對象的至少兩個部位的圖像塊；外表模型基于視頻中圖像建 立，能夠真實體現(xiàn)視頻中活動對象外表的特征；以各部位的圖像塊為圖像模板，在視頻中每 一幀圖像中，檢測與圖像模板相匹配的圖像區(qū)域；各部位的圖像塊包含了各部位的顏色和 尺度，不會隨著圖像中活動對象位置的改變而出現(xiàn)劇烈的變化，能夠形成持續(xù)有效的檢測； 對檢測到的與圖像模板相匹配的圖像區(qū)域進行組合，得到每一幀圖像中需識別的活動對象 圖像；由于外表模型真實體現(xiàn)視頻中活動對象的特征，且能夠形成持續(xù)有效的檢測，因此， 在識別活動對象圖像時不會造成誤檢測，使得在根據(jù)得到的每一幀圖像中需識別的活動對 象圖像，確定出活動對象圖像在每一幀圖像中的位置時，能夠?qū)顒訉ο筮M行持續(xù)有效的 追蹤。
[0081] 實施例二
[0082] 本發(fā)明實施例將以活動對象為人體為例，對一種活動對象圖像識別方法進行一示 例性說明，參見圖2,該方法流程包括：
[0083] 在步驟201中，獲取視頻中預(yù)定數(shù)量幀圖像。
[0084] 其中，該視頻可以是錄制有人體的視頻。預(yù)定數(shù)量可以是3?5。
[0085] 作為本實施例的可選實施方式，可以獲取視頻中起始的預(yù)定數(shù)量幀圖像。這樣，只 需要將視頻播放較小的部分，就能獲得預(yù)定數(shù)量幀圖像，花費的時間較少。
[0086] 在步驟202中，在獲取的每一幀圖像中，檢測人體的頭的圖像塊，并捕捉人體的頭 的圖像塊的顏色和尺度。
[0087] 其中，人體的頭的圖像塊包括人臉的圖像塊?？梢圆捎妙A(yù)置的人臉識別算法檢測 人臉的圖像塊。預(yù)置的人臉識別算法包括gabor濾波器和支持向量機（Support Vector Machine,簡稱SVM)。gabor濾波器用于提取人臉特征，SVM用于對gabor濾波器提取的人 臉特征進行分類識別。
[0088] 其中，圖像塊的顏色可以通過直接讀取該圖像塊的像素值得到，尺度指圖像塊的 輪廓大小，在檢測出人體的頭的圖像塊后，可以直接讀取該圖像塊的輪廓大小得到尺度。 [0089] 需要說明的是，檢測出的圖像塊可能有多個像素值，可以選取覆蓋區(qū)域最多的像 素值進行讀取。
[0090] 在步驟203中，在獲取的每一幀圖像中，檢測人體的骨架；以人體的骨架為中心， 確定出身體部位中除頭外的身體部位的圖像塊，并捕捉身體部位中除頭外的身體部位的圖 像塊的顏色和尺度。
[0091] 其中，人體的骨架包括人體的身體部位中除頭外的身體部位的骨架。人體的身體 部位包括人體的頭、上肢、下肢和軀干。
[0092] 可以采用預(yù)置的人體姿態(tài)估計算法，如基于置信度網(wǎng)絡(luò)（Belief Network)的估計 算法，對人體的骨架進行檢測。
[0093] 圖3示出了在獲取的其中一幀圖像中檢測出的人體的骨架，人體的骨架如圖3中 白色粗線段所示。在圖3中，由于存在多個人體圖像，因此檢測出了多個人體的骨架。在本 實施例中，人體的骨架包括人體的上肢、下肢和軀干的骨架。
[0094] 在檢測出人體的骨架后，首先，讀取人體的骨架所在位置的圖像區(qū)域的像素值，然 后，以人體的骨架所在位置的圖像區(qū)域為對稱中心，檢測讀取的像素值的覆蓋區(qū)域，以此確 定出身體部位中除頭外的身體部位的圖像塊。
[0095] 本實施例不限定步驟202和步驟203的執(zhí)行順序，步驟202和步驟203可以同時 執(zhí)行。
[0096] 通過步驟202和步驟203實現(xiàn)了，在獲取的每一幀圖像中，捕捉人體各身體部位的 圖像塊的顏色和尺度，人體的身體部位包括人體的頭、上肢、下肢和軀干。
[0097] 在步驟204中，統(tǒng)計每一幀圖像中捕捉到的各身體部位的圖像塊的顏色，得到屬 于各身體部位的圖像塊的顏色范圍。
[0098] 由于實際應(yīng)用中存在光線和遮擋物等影響，因此，每一幀圖像中捕捉到的各身體 部位的圖像塊的顏色可能存在差別?？紤]到該差別，可以采用求均值或顏色直方圖等統(tǒng)計 方式統(tǒng)計每一幀圖像中捕捉到的各身體部位的圖像塊的顏色，并得到屬于各身體部位的圖 像塊的顏色范圍。該顏色范圍可以描述復(fù)雜的顏色，魯棒性較強。
[0099] 在步驟205中，根據(jù)捕捉的各身體部位的圖像塊的尺度和得到的各身體部位的圖 像塊的顏色范圍，建立圖像中人體的外表模型。
[0100] 其中，外表模型包括圖像中人體的至少兩個身體部位的圖像塊。
[0101] 在本實施例的可選實施方式中，外表模型包括圖像中人體各身體部位的圖像塊。
[0102] 需要說明的是，當(dāng)預(yù)定數(shù)量幀圖像中人體圖像為多個時，在每一幀圖像中，將捕捉 到每個人體的各身體部位的圖像塊的顏色和尺度。這樣，可以為每個人體建立一個外表模 型。通過多個外表模型，可以實現(xiàn)多個人體圖像的識別，從而實現(xiàn)多個人體圖像的追蹤。
[0103] 通過步驟201?步驟205實現(xiàn)了，根據(jù)視頻中預(yù)定數(shù)量幀圖像，建立圖像中活動對 象的外表模型。其中，該外表模型包括圖像中活動對象的至少兩個部位的圖像塊。該部位 包括活動對象的軀體及與該軀體活動連接的活動部。
[0104] 在步驟206中，獲取各身體部位的圖像塊的第一特征集合。
[0105] 其中，第一特征集合為至少一種圖像特征構(gòu)成的集合，該圖像特征包括輪廓線、顏 色直方圖和哈爾（Harr-like)特征。
[0106] 本實施例不限定圖像特征的獲取方式，該獲取方式可以采用相關(guān)技術(shù)中公開的手 段。
[0107] 在步驟207中，獲取視頻中每一幀圖像的第二特征集合。
[0108] 其中，第二特征集合為至少一種圖像特征構(gòu)成的集合。并且，第二特征集合和第一 特征集合中的圖像特征相同。例如，假設(shè)第一特征集合為輪廓線和Harr-like特征構(gòu)成的 結(jié)合，那么，第二特征集合也為輪廓線和Harr-like特征構(gòu)成的結(jié)合。
[0109] 在步驟208中，在第二特征集合中，查找與第一特征集合匹配的特征集合，并確定 與查找到的特征集合對應(yīng)的圖像區(qū)域。
[0110] 其中，在當(dāng)前幀圖像中查找到的與第一特征集合匹配的特征集合對應(yīng)的圖像區(qū) 域，即為當(dāng)前幀圖像中人體圖像的各身體部位的圖像塊。
[0111] 圖4示出了在當(dāng)前幀圖像中查找到的人體圖像的各身體部位的圖像塊。假設(shè)對應(yīng) 頭的圖像區(qū)域為A (包括兩個圖像區(qū)域A1和A2)，對應(yīng)軀干的圖像區(qū)域為B(包括三個圖像 區(qū)域B1、B2和B3)，對應(yīng)上肢的圖像區(qū)域為C (包括四個圖像區(qū)域C1、C2、C3和C4)，對應(yīng)下 肢的圖像區(qū)域為D (包括兩個圖像區(qū)域D1和D2)。從圖4可以看出，完整的人體圖像只有一 個。這是因為人的活動環(huán)境易出現(xiàn)干擾物，例如人體照片，在檢測時容易出現(xiàn)誤檢測的圖像 區(qū)域。為了精確定位到人體圖像，需要對檢測的圖像區(qū)域進行篩選（參見步驟209)。
[0112] 通過步驟206?步驟208實現(xiàn)了，以各部位的圖像塊為圖像模板，在視頻中每一幀 圖像中，檢測與圖像模板相匹配的圖像區(qū)域。
[0113] 需要說明的是，由于在建立外表模型時，已經(jīng)捕捉預(yù)定數(shù)量幀圖像中的人體圖像， 因此，可以在視頻中除該預(yù)定數(shù)量幀圖像外的每一幀圖像中，檢測與圖像模板相匹配的圖 像區(qū)域。
[0114] 在步驟209中，按照預(yù)定規(guī)則，從檢測到的與圖像模板相匹配的圖像區(qū)域中，確定 屬于圖像中人體的實際身體部位的圖像區(qū)域。
[0115] 其中，該預(yù)定規(guī)則包括以下規(guī)則中的一種或多種。
[0116] 第一規(guī)則，屬于圖像中人體的實際身體部位的圖像區(qū)域的鄰近圖像區(qū)域為檢測到 的與圖像模板相匹配的圖像區(qū)域。
[0117] 實現(xiàn)時，可以采用哈夫變換（Hough Transform)將符合第一規(guī)則的圖像區(qū)域確定 出來。
[0118] 第二規(guī)則，屬于圖像中人體的實際身體部位的圖像區(qū)域?qū)?yīng)的身體部位和屬于圖 像中人體的實際身體部位的圖像區(qū)域的鄰近圖像區(qū)域?qū)?yīng)的身體部位包括每個身體部位。
[0119] 實現(xiàn)時，可以采用Belief Network Propagation和統(tǒng)計的方法將符合第二規(guī)則的 圖像區(qū)域確定出來。首先，采用Belief Network Propagation將圖像區(qū)域與鄰近圖像區(qū)域 組合，并生成人體骨架信息。其次，判斷人體骨架信息是否覆蓋了人體的上肢、軀干和下肢。 當(dāng)人體骨架信息覆蓋了人體的上肢、軀干和下肢時，確定該人體骨架信息對應(yīng)的圖像區(qū)域 為屬于人體的實際身體部位的圖像區(qū)域。
[0120] 第三規(guī)則，屬于圖像中人體的實際身體部位的圖像區(qū)域?qū)?yīng)的身體部位與屬于圖 像中人體的實際身體部位的圖像區(qū)域的鄰近圖像區(qū)域?qū)?yīng)的身體部位的位置關(guān)系與人體 各身體部位的實際位置關(guān)系一致。
[0121] 第四規(guī)則，屬于當(dāng)前幀圖像中人體的實際身體部位的圖像區(qū)域?qū)?yīng)的身體部位與 屬于當(dāng)前幀圖像中人體的實際身體部位的圖像區(qū)域的鄰近圖像區(qū)域?qū)?yīng)的身體部位的位 置關(guān)系、與屬于上一幀圖像中人體的實際身體部位的圖像區(qū)域?qū)?yīng)的身體部位與屬于上一 幀圖像中人體的實際身體部位的圖像區(qū)域的鄰近圖像區(qū)域?qū)?yīng)的身體部位的位置關(guān)系一 致。
[0122] 按照第一規(guī)則，由于圖4中左側(cè)檢測出的圖像區(qū)域部分L(包括B1)的鄰近圖像區(qū) 域不屬于檢測出的圖像區(qū)域，相當(dāng)于該左側(cè)部分只存在一個身體部位，因此，可以判定該左 側(cè)部分不屬于人體的實際身體部位對應(yīng)的圖像區(qū)域。圖4中右側(cè)檢測出的圖像區(qū)域部分 R(包括A2、B3、C3和C4)的鄰近圖像區(qū)域?qū)儆跈z測出的圖像區(qū)域未包括對應(yīng)下肢（D)的圖 像區(qū)域，不符合第二規(guī)則，因此，可以判定該右側(cè)部分也不屬于人體的實際身體部位對應(yīng)的 圖像區(qū)域。而第三規(guī)則要求檢測出的圖像區(qū)域的鄰近圖像區(qū)域也屬于檢測出的圖像區(qū)域、 且所有檢測出的圖像區(qū)域?qū)?yīng)的身體部位之間的位置關(guān)系與人體各身體部位的實際位置 關(guān)系一致，那么，圖4中只有中間的圖像區(qū)域部分Μ(包括Al、B2、Cl、C2、D1和D2)符合第 三規(guī)則。第四規(guī)則要求當(dāng)前幀中的檢測出的圖像區(qū)域?qū)?yīng)的身體部位之間的位置關(guān)系與上 一幀中的檢測出的圖像區(qū)域?qū)?yīng)的身體部位之間的位置關(guān)系一致，這樣，符合第四規(guī)則的 圖像區(qū)域可以滿足相鄰兩幀圖像具有連續(xù)性的要求。
[0123] 在步驟210中，對屬于圖像中人體的實際身體部位的圖像區(qū)域進行組合，得到每 一幀圖像中需識別的人體圖像。
[0124] 在當(dāng)前幀圖像中需識別的人體圖像如圖4中中間的圖像區(qū)域部分Μ所示。
[0125] 通過步驟209和步驟210實現(xiàn)了，對檢測到的與圖像模板相匹配的圖像區(qū)域進行 組合，得到每一幀圖像中需識別的活動對象圖像。
[0126] 在步驟211中，根據(jù)得到的每一幀圖像中需識別的人體圖像，確定出人體圖像在 每一幀圖像中的位置。
[0127] 在得到需識別的人體圖像后，可以讀取該人體圖像在圖像中的坐標(biāo)，確定出人體 圖像在圖像中的位置。
[0128] 通過步驟211實現(xiàn)了，根據(jù)得到的每一幀圖像中需識別的活動對象圖像，確定出 活動對象圖像在每一幀圖像中的位置。
[0129] 本發(fā)明實施例通過根據(jù)視頻中預(yù)定數(shù)量幀圖像，建立圖像中人體的外表模型，夕卜 表模型包括圖像中人體的至少兩個身體部位的圖像塊；外表模型基于視頻中圖像建立，能 夠真實體現(xiàn)視頻中人體外表的特征；以各身體部位的圖像塊為圖像模板，在視頻中每一幀 圖像中，檢測與圖像模板相匹配的圖像區(qū)域；各身體部位的圖像塊包含了各身體部位的顏 色和尺度，不會隨著圖像中人體位置的改變而出現(xiàn)劇烈的變化，能夠形成持續(xù)有效的檢測； 對檢測到的與圖像模板相匹配的圖像區(qū)域進行組合，得到每一幀圖像中需識別的人體圖 像；由于外表模型真實體現(xiàn)視頻中人體身體的特征，且能夠形成持續(xù)有效的檢測，因此，在 識別人體圖像時不會造成誤檢測，使得在根據(jù)得到的每一幀圖像中需識別的人體圖像，確 定出人體圖像在每一幀圖像中的位置時，能夠?qū)θ梭w進行持續(xù)有效的追蹤。
[0130] 實施例三
[0131] 本發(fā)明實施例提供了一種活動對象圖像識別裝置，參見圖5,該裝置包括建立模塊 301、檢測模塊302、組合模塊303和確定模塊304。
[0132] 該建立模塊301用于，根據(jù)視頻中預(yù)定數(shù)量幀圖像，建立圖像中活動對象的外表 模型。
[0133] 其中，該外表模型包括圖像中活動對象的至少兩個部位的圖像塊，該部位包括活 動對象的軀體及與該軀體活動連接的活動部。
[0134] 該檢測模塊302用于，以各部位的圖像塊為圖像模板，在視頻中每一幀圖像中，檢 測與圖像模板相匹配的圖像區(qū)域。
[0135] 該組合模塊303用于，對檢測到的與圖像模板相匹配的圖像區(qū)域進行組合，得到 每一幀圖像中需識別的活動對象圖像。
[0136] 該確定模塊304用于，根據(jù)得到的每一幀圖像中需識別的活動對象圖像，確定出 活動對象圖像在每一幀圖像中的位置。
[0137] 本發(fā)明實施例通過根據(jù)視頻中預(yù)定數(shù)量幀圖像，建立圖像中活動對象的外表模 型，外表模型包括圖像中活動對象的至少兩個部位的圖像塊；外表模型基于視頻中圖像建 立，能夠真實體現(xiàn)視頻中活動對象外表的特征；以各部位的圖像塊為圖像模板，在視頻中每 一幀圖像中，檢測與圖像模板相匹配的圖像區(qū)域；各部位的圖像塊包含了各部位的顏色和 尺度，不會隨著圖像中活動對象位置的改變而出現(xiàn)劇烈的變化，能夠形成持續(xù)有效的檢測； 對檢測到的與圖像模板相匹配的圖像區(qū)域進行組合，得到每一幀圖像中需識別的活動對象 圖像；由于外表模型真實體現(xiàn)視頻中活動對象的特征，且能夠形成持續(xù)有效的檢測，因此， 在識別活動對象圖像時不會造成誤檢測，使得在根據(jù)得到的每一幀圖像中需識別的活動對 象圖像，確定出活動對象圖像在每一幀圖像中的位置時，能夠?qū)顒訉ο筮M行持續(xù)有效的 追蹤。
[0138] 實施例四
[0139] 本發(fā)明實施例提供了一種活動對象圖像識別裝置，參見圖6,該裝置包括建立模塊 401、檢測模塊402、組合模塊403和確定模塊404。
[0140] 該建立模塊401用于，根據(jù)視頻中預(yù)定數(shù)量幀圖像，建立圖像中活動對象的外表 模型。
[0141] 其中，該外表模型包括圖像中活動對象的至少兩個部位的圖像塊，該部位包括活 動對象的軀體及與軀體活動連接的活動部。
[0142] 該檢測模塊402用于，以各身體部位的圖像塊為圖像模板，在視頻中每一幀圖像 中，檢測與圖像模板相匹配的圖像區(qū)域。
[0143] 該組合模塊403用于，對檢測到的與圖像模板相匹配的圖像區(qū)域進行組合，得到 每一幀圖像中需識別的活動對象圖像。
[0144] 該確定模塊404用于，根據(jù)得到的每一幀圖像中需識別的活動對象圖像，確定出 活動對象圖像在每一幀圖像中的位置。
[0145] 其中，該活動對象包括人體，該建立模塊401建立的外表模型包括圖像中人體的 至少兩個身體部位的圖像塊，該身體部位包括所述人體的頭、上肢、下肢和軀干。
[0146] 在本實施例的第一實施方式中，建立模塊401包括第三獲取單元4011、捕捉單元 4012、統(tǒng)計單元4013和建立單元4014。
[0147] 第三獲取單元4011用于，獲取視頻中預(yù)定數(shù)量幀圖像。
[0148] 捕捉單元4012用于，在獲取的每一幀圖像中，捕捉人體各身體部位的圖像塊的顏 色和尺度。
[0149] 統(tǒng)計單元4013用于，統(tǒng)計每一幀圖像中捕捉到的各身體部位的圖像塊的顏色，得 到屬于各身體部位的圖像塊的顏色范圍。
[0150] 建立單元4014用于，根據(jù)捕捉的各身體部位的圖像塊的尺度和得到的各身體部 位的圖像塊的顏色范圍，建立圖像中人體的外表模型。
[0151] 在本實施例的第二實施方式中，捕捉單元4012用于，在獲取的每一幀圖像中，檢 測人體的頭的圖像塊，并捕捉人體的頭的圖像塊的顏色和尺度；在獲取的每一幀圖像中，檢 測人體的骨架，人體的骨架包括身體部位中除頭外的身體部位的骨架；以人體的骨架為中 心，確定出身體部位中除頭外的身體部位的圖像塊，并捕捉身體部位中除頭外的身體部位 的圖像塊的顏色和尺度。
[0152] 在本實施例的第三實施方式中，檢測模塊402包括第一獲取單元4021、第二獲取 單元4022和查找單元4023。
[0153] 第一獲取單元4021用于，獲取各身體部位的圖像塊的第一特征集合，第一特征集 合為至少一種圖像特征構(gòu)成的集合，圖像特征包括輪廓線、顏色直方圖和Harr-like特征。
[0154] 第二獲取單元4022用于，獲取視頻中每一幀圖像的第二特征集合，第二特征集合 為至少一種圖像特征構(gòu)成的集合，第一特征集合和第二特征集合中的圖像特征相同。
[0155] 查找單元4023用于，在第二特征集合中，查找與第一特征集合匹配的特征集合， 并確定與查找到的特征集合對應(yīng)的圖像區(qū)域。
[0156] 在本實施例的第三實施方式中，組合模塊403用于，按照預(yù)定規(guī)則，從檢測到的與 圖像模板相匹配的圖像區(qū)域中，確定屬于圖像中人體的實際身體部位的圖像區(qū)域；對屬于 圖像中人體的實際身體部位的圖像區(qū)域進行組合，得到每一幀圖像中需識別的人體圖像； 其中，預(yù)定規(guī)則包括以下規(guī)則中的一種或多種。
[0157] 屬于圖像中人體的實際身體部位的圖像區(qū)域的鄰近圖像區(qū)域為檢測到的與圖像 模板相匹配的圖像區(qū)域；屬于圖像中人體的實際身體部位的圖像區(qū)域?qū)?yīng)的身體部位和屬 于圖像中人體的實際身體部位的圖像區(qū)域的鄰近圖像區(qū)域?qū)?yīng)的身體部位包括每個身體 部位；屬于圖像中人體的實際身體部位的圖像區(qū)域?qū)?yīng)的身體部位與屬于圖像中人體的實 際身體部位的圖像區(qū)域的鄰近圖像區(qū)域?qū)?yīng)的身體部位的位置關(guān)系與人體各身體部位的 實際位置關(guān)系一致；屬于當(dāng)前幀圖像中人體的實際身體部位的圖像區(qū)域?qū)?yīng)的身體部位與 屬于當(dāng)前幀圖像中人體的實際身體部位的圖像區(qū)域的鄰近圖像區(qū)域?qū)?yīng)的身體部位的位 置關(guān)系、與屬于上一幀圖像中人體的實際身體部位的圖像區(qū)域?qū)?yīng)的身體部位與屬于上一 幀圖像中人體的實際身體部位的圖像區(qū)域的鄰近圖像區(qū)域?qū)?yīng)的身體部位的位置關(guān)系一 致。
[0158] 本發(fā)明實施例通過根據(jù)視頻中預(yù)定數(shù)量幀圖像，建立圖像中人體的外表模型，夕卜 表模型包括圖像中人體的至少兩個身體部位的圖像塊；外表模型基于視頻中圖像建立，能 夠真實體現(xiàn)視頻中人體外表的特征；以各身體部位的圖像塊為圖像模板，在視頻中每一幀 圖像中，檢測與圖像模板相匹配的圖像區(qū)域；各身體部位的圖像塊包含了各身體部位的顏 色和尺度，不會隨著圖像中人體位置的改變而出現(xiàn)劇烈的變化，能夠形成持續(xù)有效的檢測； 對檢測到的與圖像模板相匹配的圖像區(qū)域進行組合，得到每一幀圖像中需識別的人體圖 像；由于外表模型真實體現(xiàn)視頻中人體身體的特征，且能夠形成持續(xù)有效的檢測，因此，在 識別人體圖像時不會造成誤檢測，使得在根據(jù)得到的每一幀圖像中需識別的人體圖像，確 定出人體圖像在每一幀圖像中的位置時，能夠?qū)θ梭w進行持續(xù)有效的追蹤。
[0159] 需要說明的是：上述實施例提供的活動對象圖像識別裝置在識別活動對象圖像 時，僅以上述各功能模塊的劃分進行舉例說明，實際應(yīng)用中，可以根據(jù)需要而將上述功能分 配由不同的功能模塊完成，即將設(shè)備的內(nèi)部結(jié)構(gòu)劃分成不同的功能模塊，以完成以上描述 的全部或者部分功能。另外，上述實施例提供的活動對象圖像識別裝置與活動對象圖像識 別方法實施例屬于同一構(gòu)思，其具體實現(xiàn)過程詳見方法實施例，這里不再贅述。
[0160] 上述本發(fā)明實施例序號僅僅為了描述，不代表實施例的優(yōu)劣。
[0161] 本領(lǐng)域普通技術(shù)人員可以理解實現(xiàn)上述實施例的全部或部分步驟可以通過硬件 來完成，也可以通過程序來指令相關(guān)的硬件完成，所述的程序可以存儲于一種計算機可讀 存儲介質(zhì)中，上述提到的存儲介質(zhì)可以是只讀存儲器，磁盤或光盤等。
[0162] 以上所述僅為本發(fā)明的較佳實施例，并不用以限制本發(fā)明，凡在本發(fā)明的精神和 原則之內(nèi)，所作的任何修改、等同替換、改進等，均應(yīng)包含在本發(fā)明的保護范圍之內(nèi)。
【權(quán)利要求】
1. 一種活動對象圖像識別方法，其特征在于，所述方法包括： 根據(jù)視頻中預(yù)定數(shù)量幀圖像，建立所述圖像中活動對象的外表模型，所述外表模型包 括所述圖像中活動對象的至少兩個部位的圖像塊，所述部位包括所述活動對象的軀體及與 所述軀體活動連接的活動部； 以各所述部位的圖像塊為圖像模板，在所述視頻中每一幀圖像中，檢測與所述圖像模 板相匹配的圖像區(qū)域； 對檢測到的與所述圖像模板相匹配的圖像區(qū)域進行組合，得到所述每一幀圖像中需識 別的活動對象圖像； 根據(jù)得到的所述每一幀圖像中需識別的活動對象圖像，確定出所述活動對象圖像在所 述每一幀圖像中的位置。
2. 根據(jù)權(quán)利要求1所述的方法，其特征在于，所述活動對象包括人體，所述外表模型包 括所述圖像中人體的至少兩個身體部位的圖像塊，所述身體部位包括所述人體的頭、上肢、 下肢和軀干。
3. 根據(jù)權(quán)利要求2所述的方法，其特征在于，所述以各所述部位的圖像塊為圖像模板， 在所述視頻中的每一幀圖像中，檢測與所述圖像模板相匹配的圖像區(qū)域，包括： 獲取各所述身體部位的圖像塊的第一特征集合； 獲取所述視頻中每一幀圖像的第二特征集合，所述第一特征集合和所述第二特征集合 為至少一種圖像特征構(gòu)成的集合，所述圖像特征包括輪廓線、顏色直方圖和哈爾Harr-like 特征，所述第一特征集合和所述第二特征集合中的圖像特征相同； 在所述第二特征集合中，查找與所述第一特征集合匹配的特征集合； 確定與查找到的所述特征集合對應(yīng)的圖像區(qū)域。
4. 根據(jù)權(quán)利要求2所述的方法，其特征在于，所述對檢測到的與所述圖像模板相匹配 的圖像區(qū)域進行組合，得到所述每一幀圖像中需識別的活動對象圖像，包括： 按照預(yù)定規(guī)則，從檢測到的與所述圖像模板相匹配的圖像區(qū)域中，確定屬于所述圖像 中人體的實際身體部位的圖像區(qū)域； 對屬于所述圖像中人體的實際身體部位的圖像區(qū)域進行組合，得到所述每一幀圖像中 需識別的人體圖像； 其中，所述預(yù)定規(guī)則包括以下規(guī)則中的一種或多種： 屬于所述圖像中人體的實際身體部位的圖像區(qū)域的鄰近圖像區(qū)域為檢測到的與所述 圖像模板相匹配的圖像區(qū)域； 屬于所述圖像中人體的實際身體部位的圖像區(qū)域?qū)?yīng)的身體部位和屬于所述圖像 中人體的實際身體部位的圖像區(qū)域的鄰近圖像區(qū)域?qū)?yīng)的身體部位包括每個所述身體部 位； 屬于所述圖像中人體的實際身體部位的圖像區(qū)域?qū)?yīng)的身體部位與屬于所述圖像中 人體的實際身體部位的圖像區(qū)域的鄰近圖像區(qū)域?qū)?yīng)的身體部位的位置關(guān)系與所述人體 各身體部位的實際位置關(guān)系一致； 屬于當(dāng)前幀圖像中人體的實際身體部位的圖像區(qū)域?qū)?yīng)的身體部位與屬于所述當(dāng)前 幀圖像中人體的實際身體部位的圖像區(qū)域的鄰近圖像區(qū)域?qū)?yīng)的身體部位的位置關(guān)系、與 屬于上一幀圖像中人體的實際身體部位的圖像區(qū)域?qū)?yīng)的身體部位與屬于所述上一幀圖 像中人體的實際身體部位的圖像區(qū)域的鄰近圖像區(qū)域?qū)?yīng)的身體部位的位置關(guān)系一致。
5. 根據(jù)權(quán)利要求2所述的方法，其特征在于，所述根據(jù)視頻中預(yù)定數(shù)量幀圖像，建立所 述圖像中活動對象的外表模型，包括： 獲取所述視頻中所述預(yù)定數(shù)量幀圖像； 在獲取的每一幀圖像中，捕捉人體各身體部位的圖像塊的顏色和尺度； 統(tǒng)計所述每一幀圖像中捕捉到的各所述身體部位的圖像塊的顏色，得到屬于各所述身 體部位的圖像塊的顏色范圍； 根據(jù)捕捉的各所述身體部位的圖像塊的尺度和得到的各所述身體部位的圖像塊的顏 色范圍，建立所述圖像中人體的外表模型。
6. 根據(jù)權(quán)利要求5所述的方法，其特征在于，所述在獲取的每一幀圖像中，捕捉人體各 身體部位的圖像塊的顏色和尺度，包括： 在獲取的每一幀圖像中，檢測所述人體的頭的圖像塊，并捕捉所述人體的頭的圖像塊 的顏色和尺度； 在獲取的每一幀圖像中，檢測所述人體的骨架，所述人體的骨架包括身體部位中除頭 外的身體部位的骨架； 以所述人體的骨架為中心，確定出身體部位中除頭外的身體部位的圖像塊，并捕捉所 述身體部位中除頭外的身體部位的圖像塊的顏色和尺度。
7. -種活動對象圖像識別裝置，其特征在于，所述裝置包括： 建立模塊，用于根據(jù)視頻中預(yù)定數(shù)量幀圖像，建立所述圖像中活動對象的外表模型，所 述外表模型包括所述圖像中活動對象的至少兩個部位的圖像塊，所述部位包括所述活動對 象的軀體及與所述軀體活動連接的活動部； 檢測模塊，用于以各所述部位的圖像塊為圖像模板，在所述視頻中每一幀圖像中，檢測 與所述圖像模板相匹配的圖像區(qū)域； 組合模塊，用于對檢測到的與所述圖像模板相匹配的圖像區(qū)域進行組合，得到所述每 一幀圖像中需識別的活動對象圖像； 確定模塊，用于根據(jù)得到的所述每一幀圖像中需識別的活動對象圖像，確定出所述活 動對象圖像在所述每一幀圖像中的位置。
8. 根據(jù)權(quán)利要求7所述的裝置，其特征在于，所述活動對象包括人體，所述建立模塊建 立的所述外表模型包括所述圖像中人體的至少兩個身體部位的圖像塊，所述身體部位包括 所述人體的頭、上肢、下肢和軀干。
9. 根據(jù)權(quán)利要求8所述的裝置，其特征在于，所述檢測模塊包括： 第一獲取單元，用于獲取各所述身體部位的圖像塊的第一特征集合，所述第一特 征集合為至少一種圖像特征構(gòu)成的集合，所述圖像特征包括輪廓線、顏色直方圖和哈爾 Harr-like 特征； 第二獲取單元，用于獲取所述視頻中每一幀圖像的第二特征集合，所述第二特征集合 為至少一種所述圖像特征構(gòu)成的集合，所述第一特征集合和所述第二特征集合中的圖像特 征相同； 查找單元，用于在所述第二特征集合中，查找與所述第一特征集合匹配的特征集合，并 確定與查找到的所述特征集合對應(yīng)的圖像區(qū)域。
10. 根據(jù)權(quán)利要求8所述的裝置，其特征在于，所述組合模塊用于， 按照預(yù)定規(guī)則，從檢測到的與所述圖像模板相匹配的圖像區(qū)域中，確定屬于所述圖像 中人體的實際身體部位的圖像區(qū)域； 對屬于所述圖像中人體的實際身體部位的圖像區(qū)域進行組合，得到所述每一幀圖像中 需識別的人體圖像； 其中，所述預(yù)定規(guī)則包括以下規(guī)則中的一種或多種： 屬于所述圖像中人體的實際身體部位的圖像區(qū)域的鄰近圖像區(qū)域為檢測到的與所述 圖像模板相匹配的圖像區(qū)域； 屬于所述圖像中人體的實際身體部位的圖像區(qū)域?qū)?yīng)的身體部位和屬于所述圖像 中人體的實際身體部位的圖像區(qū)域的鄰近圖像區(qū)域?qū)?yīng)的身體部位包括每個所述身體部 位； 屬于所述圖像中人體的實際身體部位的圖像區(qū)域?qū)?yīng)的身體部位與屬于所述圖像中 人體的實際身體部位的圖像區(qū)域的鄰近圖像區(qū)域?qū)?yīng)的身體部位的位置關(guān)系與所述人體 各身體部位的實際位置關(guān)系一致； 屬于當(dāng)前幀圖像中人體的實際身體部位的圖像區(qū)域?qū)?yīng)的身體部位與屬于所述當(dāng)前 幀圖像中人體的實際身體部位的圖像區(qū)域的鄰近圖像區(qū)域?qū)?yīng)的身體部位的位置關(guān)系、與 屬于上一幀圖像中人體的實際身體部位的圖像區(qū)域?qū)?yīng)的身體部位與屬于所述上一幀圖 像中人體的實際身體部位的圖像區(qū)域的鄰近圖像區(qū)域?qū)?yīng)的身體部位的位置關(guān)系一致。
11. 根據(jù)權(quán)利要求8所述的裝置，其特征在于，所述建立模塊包括： 第三獲取單元，用于獲取所述視頻中所述預(yù)定數(shù)量幀圖像； 捕捉單元，用于在獲取的每一幀圖像中，捕捉人體各身體部位的圖像塊的顏色和尺 度； 統(tǒng)計單元，用于統(tǒng)計所述每一幀圖像中捕捉到的各所述身體部位的圖像塊的顏色，得 到屬于各所述身體部位的圖像塊的顏色范圍； 建立單元，用于根據(jù)捕捉的各所述身體部位的圖像塊的尺度和得到的各所述身體部位 的圖像塊的顏色范圍，建立所述圖像中人體的外表模型。
12. 根據(jù)權(quán)利要求11所述的裝置，其特征在于，所述捕捉單元用于， 在獲取的每一幀圖像中，檢測所述人體的頭的圖像塊，并捕捉所述人體的頭的圖像塊 的顏色和尺度； 在獲取的每一幀圖像中，檢測所述人體的骨架，所述人體的骨架包括身體部位中除頭 外的身體部位的骨架； 以所述人體的骨架為中心，確定出身體部位中除頭外的身體部位的圖像塊，并捕捉所 述身體部位中除頭外的身體部位的圖像塊的顏色和尺度。
【文檔編號】G06K9/00GK104063681SQ201410238424
【公開日】2014年9月24日 申請日期:2014年5月30日 優(yōu)先權(quán)日:2014年5月30日
【發(fā)明者】王子彬 申請人:聯(lián)想(北京)有限公司