(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210142265.X (22)申请日 2022.02.16 (71)申请人 复旦大学 地址 200433 上海市杨 浦区邯郸路2 20号 (72)发明人 王崧玉　冯瑞　 (74)专利代理 机构 上海德昭知识产权代理有限 公司 31204 专利代理师 程宗德 (51)Int.Cl. G06V 10/764(2022.01) G06V 10/80(2022.01) G06V 10/82(2022.01) G06V 10/46(2022.01) G06V 10/50(2022.01) G06V 40/10(2022.01)G06K 9/62(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种多特 征座位状态实时检测方法及系统 (57)摘要 本发明公开了一种多特征座位状态实时检 测方法， 具有 这样的特征， 包括以下步骤： 步骤1， 对待测座位图像进行预处理， 建立场景的像素背 景模型， 筛选出发生状态变化的座位图像， 并将 发生变化的座位图像提取出来； 步骤2， 对发生变 化的座位图像并行计算HOG、 GIS T、 SIFT三种视觉 特征； 步骤3， 对三种视觉 特征通过支持向量机分 类器进行分类， 得到分类结果； 步骤4， 将分类结 果进行融合， 最后得出当前场景中的座位状态。 本发明还公开了一种多特征座位状态实时检测 系统， 包括预处 理部和目标检测处 理部。 权利要求书2页 说明书5页 附图4页 CN 114519799 A 2022.05.20 CN 114519799 A 1.一种多特 征座位状态实时检测方法， 其特 征在于， 包括以下步骤： 步骤1， 对待测座位图像进行预处理， 建立场景的像素背景模型， 筛选出发生状态变化 的座位图像， 并将所述发生变化的座 位图像提取 出来； 步骤2， 对所述发生变化的座 位图像并行计算HO G、 GIST、 SIFT三种视 觉特征； 步骤3， 对所述 三种视觉特征通过支持向量机分类 器进行分类， 得到分类结果； 步骤4， 将所述分类结果进行融合， 最后得 出当前场景中的座 位状态。 2.根据权利要求1所述的一种多特 征座位状态实时检测方法， 其特 征在于： 其中， 步骤1中， 所述预处 理部分包括以下步骤： 步骤1‑1， 在第一帧所述座位图像中完成初始化ViBe背景差分模型， 得到背景采样模 型， 然后进入步骤1 ‑2； 步骤1‑2， 计算像素值和所述背景采样模型模型中n个采样点的距离， 然后进入步骤1 ‑ 3； 步骤1‑3， 定义R值代表和当前像素距离， 计算当前像素是否属于背景， 如果当前像素属 于运动前 景， 则进入步骤1 ‑5， 否则当前像素属于背景， 则进入步骤1 ‑4； 步骤1‑4， 首先从当前背景采样模型中随机取一个样本和当前像素值互换， 然后从当前 像素点临近的8个相邻像素点中随机取一个像素与背景采样模型中的随机一个样本互换， 从而更新所述背景采样模型， 然后进入步骤1 ‑5； 步骤1‑5， 重复步骤1 ‑2～步骤1 ‑4继续处理下一个像素点， 直到所有的像素点处理完 毕。 3.根据权利要求1所述的一种多特 征座位状态实时检测方法， 其特 征在于： 其中， 步骤2包括以下步骤： 步骤2‑1， 计算HO G视觉特征； 步骤2‑2， 计算GIST视 觉特征； 步骤2‑3， 计算SIFT视 觉特征。 4.根据权利要求3所述的一种多特 征座位状态实时检测方法， 其特 征在于： 其中， 步骤2 ‑1中， 计算HO G视觉特征包括以下步骤： 步骤2‑1‑1， 采用Gam ma颜色校正， 调节座 位图像的对比度， 来对座 位图像进行归一 化； 步骤2‑1‑2， 对采集的RGB图像， 在每个颜色通道中计算梯度， 最后在像素的3个通道梯 度中， 取最大值作为该像素的梯度； 步骤2‑1‑3， 使用高斯权重窗口对图像中的每个block进行加权， 按照像素的梯度方向， 对每个cell统计梯度直方图； 步骤2‑1‑4， 对每个block， 在各方向上的统计block内的梯度直方图， 接着对梯度直方 图进行归一 化； 步骤2‑1‑5， 收集各block归一化之后对梯度方向直方图， 将直方图连接组合成为HOG特 征。 5.根据权利要求3所述的一种多特 征座位状态实时检测方法， 其特 征在于： 其中， 步骤2 ‑2中， 计算GIST视 觉特征包括以下步骤： 步骤2‑2‑1， 将座位区域的图像和Gabor滤波器进行 卷积操作后得到滤波后的图像； 步骤2‑2‑2， 对卷积后的图像按照4*4划分， 在分割所得的各个区域 内取平均 值， 再将这权　利　要　求　书 1/2 页 2 CN 114519799 A 2些区域的平均值组合 起来， 得到GIST特 征。 6.根据权利要求1所述的一种多特 征座位状态实时检测方法， 其特 征在于： 其中， 步骤2 ‑3中， 计算SIFT视 觉特征包括以下步骤： 步骤2‑3‑1， 采用DOG算子建立的尺度空间， 对某一点， 将它与周围的8近邻点以及上下 相邻尺度的对应位置的9近邻点共26个点进行比较， 若 该点都大于或都小于这26个点， 则该 点被选为极值 点； 步骤2‑3‑2， 过滤所述极值 点中对比度不高和靠 近边缘的像素点； 步骤2‑3‑3， 通过方向梯度直方图计算所述极值 点的主方向； 步骤2‑3‑4， 以所述极值点为中心， 按其方向旋转坐标轴， 取关键点周围8*8的区域， 再 按2*2分割区域， 在每 个子区域中统计方向直方图， 归一 化之后生成SIFT特 征描述子 。 7.一种多特 征座位状态实时检测系统， 其特 征在于， 包括： 预处理部， 对待测座位图像进行预处理， 建立场景的像素背景模型， 筛选出发生状态变 化的座位图像， 并将所述发生变化的座 位图像提取 出来； 以及 目标检测处理部， 对所述发生变化的座位图像 并行计算HOG、 GIST、 SIFT三种视觉特征， 然后对所述三种视觉特征通过支持向量机分类器进行分类， 得到分类结果， 并将所述分类 结果进行融合， 最后得 出当前场景中的座 位状态。权　利　要　求　书 2/2 页 3 CN 114519799 A 3