CN104598900A - 一种人体识别方法以及装置 - Google Patents

Abstract

本发明提供了一种人体识别方法以及装置，属于图像处理领域，该方法包括所述人体识别装置获得背景图像以及待对比图像，获得待检测目标图像；获得正样本以及负样本，获得所述待检测目标图像的方向梯度直方图特征。本方法通过把获得的待检测目标图像和预先获得的含有人体图像的正样本进行对比，得到第一相似度值，再把待检测目标图像和预先获得的未含有人体图像的负样本进行对比，得到第二相似度值，再通过把第一相似度值与第二相似度值进行对比的方式，判断所述待检测目标图像所表示的目标是否为人体，进而极大的提高了人体识别速率以及识别精度，从而改善了现有的人体识别系统中的图像数据的处理过程较为复杂，造成识别速率较慢的问题。

Description

一种人体识别方法以及装置

技术领域

本发明涉及图像处理领域，具体而言，涉及一种人体识别方法以及装置。

背景技术

人体检测是计算机视觉领域最热门也是最具挑战性的研究方向之一。它有着广泛的应用前景，如安保、交通、娱乐、监控及机器人领域。在现有的人体识别系统，通常都包括有摄像头和复杂的后台处理装置，当摄像头采集图像后，再传递到后台处理装置处理。而现有的人体识别系统中的图像数据的处理过程较为复杂，造成识别速率较慢。

发明内容

本发明的目的在于提供一种人体识别方法以及装置，以改善现有的人体识别系统中的图像数据的处理过程较为复杂，造成识别速率较慢的问题。

本发明是这样实现的：

第一方面，本发明实施例提供了一种人体识别方法，应用于人体识别系统，所述人体识别系统包括人体识别装置，所述人体识别装置包括支持向量机SVM，所述人体识别方法包括：

所述人体识别装置获得背景图像以及待对比图像；

把所述待对比图像与所述背景图像对比，获得待检测目标图像；

获得用于与所述待检测目标图像进行对比的正样本以及负样本，所述正样本和所述负样本由所述SVM预先训练生成，所述正样本含有人体图像，所述负样本未含有人体图像；

获得所述待检测目标图像的方向梯度直方图特征；

把所述待检测目标图像的方向梯度直方图特征与预先获得的所述正样本的方向梯度直方图特征进行相似匹配，得到第一相似度值；

把所述待检测目标图像的方向梯度直方图特征与预先获得的所述负样本的方向梯度直方图特征进行相似匹配，得到第二相似度值；

当所述第一相似度值大于所述第二相似度值时，判断所述待检测目标图像为人体图像。

结合第一方面，本发明实施例提供了第一方面的第一种实施方式，其中，所述把所述待对比图像与所述背景图像对比，获得待检测目标图像，包括：

所述人体识别装置获得所述背景图像的二值图像，以及所述待对比图像的二值图像；

把所述待对比图像的二值图像与所述背景图像的二值图像做差，获得所述待检测目标图像的二值图像。

结合第一方面，本发明实施例提供了第一方面的第二种实施方式，其中，所述获得所述待检测目标图像的方向梯度直方图特征，包括：

对所述待检测目标图像进行灰度化，得到灰度化的待检测目标图像；

把所述灰度化的待检测目标图像分割为多个封闭区域，获得每个封闭区域的方向梯度直方图；

串联每个封闭区域的方向梯度直方图，得到所述待检测目标图像的方向梯度直方图特征。

结合第一方面，本发明实施例提供了第一方面的第三种实施方式，其中，所述把所述待检测目标图像的方向梯度直方图特征与预先获得的所述正样本的方向梯度直方图特征进行相似匹配，得到第一相似度值，包括：

所述人体识别装置通过不同尺度的高斯核对所述待检测目标图像进行卷积处理，得到多个不同分辨率的待检测目标图像；

分别把获得的所述不同分辨率的待检测目标图像的方向梯度直方图特征与所述正样本的方向梯度直方图特征进行相似匹配，得到多个相似度值；

取所述多个相似度值中最大为第一相似度值。

结合第一方面，本发明实施例提供了第一方面的第四种实施方式，其中，所述人体识别方法，还包括：

当判断所述待检测目标图像为人体图像时，所述人体识别装置在所述待对比图像中为所述待检测目标图像添加边界框。

第二方面，本发明实施例提供了一种人体识别装置，应用于人体识别系统，所述人体识别装置包括：

图像获得单元，用于获得背景图像以及待对比图像；

待检测目标图像获得单元，用于把所述待对比图像与所述背景图像对比，获得待检测目标图像；

正样本获得单元，用于获得用于与所述待检测目标图像进行对比的正样本，所述正样本由所述SVM预先训练生成，所述正样本含有人体图像；

负样本获得单元，用于获得用于与所述待检测目标图像进行对比的负样本，所述负样本由所述SVM预先训练生成，所述负样本未含有人体图像；

方向梯度直方图特征获得单元，用于获得所述待检测目标图像的方向梯度直方图特征；

正样本对比单元，用于把所述待检测目标图像的方向梯度直方图特征与预先获得的所述正样本的方向梯度直方图特征进行相似匹配，得到第一相似度值；

负样本对比单元，用于把所述待检测目标图像的方向梯度直方图特征与预先获得的所述负样本的方向梯度直方图特征进行相似匹配，得到第二相似度值；

相似度对比单元，用于把所述第一相似度值与所述第二相似度值进行对比。

结合第二方面，本发明实施例提供了第二方面的第一种实施方式，其中，所述待检测目标图像获得单元，包括：

图像二值化子单元，用于获得所述背景图像的二值图像，以及所述待对比图像的二值图像；

二值图像对比子单元，用于把所述待对比图像的二值图像与所述背景图像的二值图像做差，获得所述待检测目标图像的二值图像。

结合第二方面，本发明实施例提供了第二方面的第二种实施方式，其中，所述方向梯度直方图特征获得单元，包括：

图像灰度化子单元，用于对所述待检测目标图像进行灰度化，得到灰度化的待检测目标图像；

图像分割子单元，用于把所述灰度化的待检测目标图像分割为多个封闭区域；

方向梯度直方图获得子单元，用于获得每个封闭区域的方向梯度直方图；

方向梯度直方图串联子单元，用于串联每个封闭区域的方向梯度直方图，得到所述待检测目标图像的方向梯度直方图特征。

结合第二方面，本发明实施例提供了第二方面的第三种实施方式，其中，正样本对比单元,包括：

尺度变换单元，用于通过不同尺度的高斯核对所述待检测目标图像进行卷积处理，得到多个不同分辨率的待检测目标图像；

相似匹配子单元，用于分别把获得的所述不同分辨率的待检测目标图像的方向梯度直方图特征与所述正样本的方向梯度直方图特征进行相似匹配，得到多个相似度值；

第一相似度值获得子单元，用于取所述多个相似度值中最大为第一相似度值。

结合第二方面，本发明实施例提供了第二方面的第四种实施方式，其中，所述人体识别装置，还包括：

边界框渲染单元，用于在所述待对比图像中为所述待检测目标图像添加边界框。

本发明实现的技术效果：

本发明实施例提供的人体识别方法以及装置，通过把获得的待检测目标图像和预先获得的含有人体图像的正样本进行对比，得到第一相似度值，再把待检测目标图像和预先获得的未含有人体图像的负样本进行对比，得到第二相似度值，再通过把第一相似度值与第二相似度值进行对比的方式，判断所述待检测目标图像所表示的目标是否为人体，进而极大的提高了人体识别速率以及识别精度，从而改善了现有的人体识别系统中的图像数据的处理过程较为复杂，造成识别速率较慢的问题。

附图说明

图1为本发明实施例提供的人体识别系统的结构框图；

图2为本发明实施例提供的人体识别方法的流程图；

图3为本发明实施例提供的人体识别方法中的封闭区域的方向梯度直方图计算原理图；

图4为本发明实施例提供的一种人体识别装置的结构框图；

图5为本发明实施例提供的另一种人体识别装置的结构框图。

具体实施方式

下面将结合本发明实施例中附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。

参见图1，本发明实施例所提供的人体识别方法，应用于如图1所示的人体识别系统中，所述人体识别系统包括人体识别装置以及手机，所述手机设置有摄像头。在本实施例中，所述人体识别装置设置于所述手机中，当然，所述人体识别装置也可以独立设置于手机外部。

请参阅图2，本发明实施例提供的一种人体识别方法，应用于人体识别系统，所述人体识别系统包括人体识别装置，所述人体识别装置包括SVM(Support Vector Machine,支持向量机)，所述人体识别方法包括：

步骤S101：所述人体识别装置获得背景图像以及待对比图像。

在实施过程中，为了便于快速、有效的建立背景图像，较佳的，可以把所述摄像头所采集的第一帧图像作为背景图像，而把第二帧及以后帧图像中的的任意一帧图像作为待对比图像。此外，也可以把摄像头采集的第一次未出现移动物体的图像作为背景图像，把第一次出现移动物体的图像作为待对比图像。而在采集的过程中，可以通过手机中设置的陀螺仪来判断手机是否处于稳定的状态，以避免因为手机自身的晃动，而让所述人体识别装置判断为手机采集的画面中出现了移动物体，进而产生误报。

步骤S102：把所述待对比图像与所述背景图像对比，获得待检测目标图像。

当获得背景图像以及待对比图像后，为了获得待对比图像中的待检测目标图像，需要把待对比图像与背景图像进行对比。而在实践过程中，图像对比的方式有多种，在本实施例中，作为一种优选的方式，可以把背景图像和待对比图像分别转换为二值图像，然后通过待对比图像的二值图像与背景图像的二值图像做差来获得待检测目标图像，则在步骤S102中还可以包括，所述人体识别装置获得所述背景图像的二值图像，以及所述待对比图像的二值图像；把所述待对比图像的二值图像与所述背景图像的二值图像做差，获得所述待检测目标图像的二值图像。

而在获得待检测目标图像的过程中，会因为本系统的设备的误差或者本系统所处环境等原因，而产生噪声，即把噪声误判为待检测目标，而为了盖上上述情况，在实施过程中，作为一种优选的方式，当在获得待检测目标图像后，通过人体识别装置调用预先设置的面积计算函数计算该待检测目标图像的面积，如果该待检测目标图像的面积小于预设的阈值面积(噪声面积)，则判断该待检测目标图像所表示的目标为噪声，从而提高了本方法的准确率。

需要说明的是，把图像转换为与该图像对应的二值图像为现有的技术，为了更好的描述本实施例提供的人体识别方法，在本实施例中不做细述。

步骤S103：获得用于与所述待检测目标图像进行对比的正样本以及负样本，所述正样本和所述负样本由所述SVM预先训练生成，所述正样本含有人体图像，所述负样本未含有人体图像。

在实践过程中，需要技术人员通过摄像头预先采集模板图像，其中，采集的模板图像包括含有人体的图像，以及包括不含有人体的任一图像，例如电杆、树木等，然后把采集的模板图像全部输入到SVM中进行训练，从而分类得到正样本以及负样本，其中正样本含有人体图像，而负样本未含有人体图像。

需要说明的是，预先采集模板图像的地点可以是任何地方，而为了提高最终的识别精度，较佳的，可以在需要安装本实施例提供的人体识别系统的区域进行模板图像采集，例如，当本系统用于商业步行街时，则可以就在该商业步行街进行模板图像采集，而当本系统用于校园时，则可以就在该校园进行模板图像采集。

步骤S104：获得所述待检测目标图像的方向梯度直方图特征。

在实践过程中，作为一种实施方式，可以先对获得的所述待检测目标图像进行灰度化处理，得到灰度化的待检测目标图像；而为了在操作过程中，降低待检测目标图像局部的阴影和光照变化所造成的影响，作为一种优选的方式，还可以采用Gamma校正法对灰度化的待检测目标图像进行归一化处理。

把所述灰度化的待检测目标图像分割为多个封闭区域，获得每个封闭区域的方向梯度直方图。而在这个过程中，为了便于获取每个封闭区域的方向梯度直方图，还需要预先获取组成所述待检测目标图像的每个像素点的方向梯度，而在实践过程中，首先用[-1,0,1]梯度算子对所述待检测目标图像做卷积运算，得到x方向(水平方向，以向右为正方向)的梯度分量grad_x，然后用[1,0,-1]T梯度算子对所述待检测目标图像做卷积运算，得到y方向(竖直方向，以向上为正方向)的梯度分量grad_y。而所述待检测目标图像中的像素点(x，y)的方向梯度公式为：

G_x(x,y)＝H(x+1,y)-H(x-1,y)

G_y(x,y)＝H(x,y+1)-H(x,y-1)

其中，G_x(x,y)，G_y(x,y)，H(x,y)分别表示像素点(x，y)的水平方向梯度，竖直方向梯度和像素值。即在计算过程中，获得的所述grad_x即为本公式中的G_x(x,y)，而grad_y即为本公式中的G_y(x,y)，则当获得grad_x以及grad_y后，即可带入上述公式获得像素点的梯度幅值：

$G(x,y)=\sqrt{G_x{(x,y)}^2+G_y{(x,y)}^2}$

以及方向梯度：

$\∂(x,y)=\mathrm{ta}{n}^{-1}\left(\frac{G_y(x,y)}{G_x(x,y)}\right)$

当获得每个像素点的方向梯度后，即可计算每个封闭区域的方向梯度直方图，而在实践过程中，封闭区域的大小根据实际情况确定，在本实施例中，作为一种优选，采用6*6个像素点构成一个封闭区域，且采用方向块的方式来统计这6*6个像素的梯度信息，即把该由6*6个像素点构成的封闭区域的360度的方向梯度切割为9个方向块。如图3所示，对封闭区域内每个像素用方向梯度在直方图中进行加权投影(映射到固定的角度范围)，就可以得到这个封闭区域的方向梯度直方图，例如，0到20度表示方向块1，则20度到40度则表示方向块2，相应的，180度到200同向表示方向块1，而200度到220度则表示方向块2。如果所述封闭区域中某个像素点的方向梯度在20度到40度之间，则该区域的方向梯度直方图中方向块2的计数则增加1，而通过统计所述封闭区域中所有的像素点的方向梯度即可获得到该封闭区域的方向梯度直方图。

而当获得每个封闭区域方向梯度直方图后，再串联每个封闭区域的方向梯度直方图，即可得到所述待检测目标图像的方向梯度直方图特征。

步骤S105：把所述待检测目标图像的方向梯度直方图特征与预先获得的所述正样本的方向梯度直方图特征进行相似匹配，得到第一相似度值。

而在步骤S105的执行过程中，为了获得较为准确的第一相似度值，所述人体识别装置通过不同尺度的高斯核对所述待检测目标图像进行卷积处理，得到多个不同分辨率的待检测目标图像；分别把获得的所述不同分辨率的待检测目标图像的方向梯度直方图特征与所述正样本的方向梯度直方图特征进行相似匹配，得到多个相似度值；取所述多个相似度值中最大为第一相似度值。

步骤S106：把所述待检测目标图像的方向梯度直方图特征与预先获得的所述负样本的方向梯度直方图特征进行相似匹配，得到第二相似度值。

相应的，在步骤S106中，为了获得较为准确的第二相似度值，所述人体识别装置通过不同尺度的高斯核对所述待检测目标图像进行卷积处理，得到多个不同分辨率的待检测目标图像；分别把获得的所述不同分辨率的待检测目标图像的方向梯度直方图特征与所述负样本的方向梯度直方图特征进行相似匹配，得到多个相似度值；取所述多个相似度值中最大为第二相似度值。

当所述第一相似度值大于所述第二相似度值时，判断所述待检测目标图像为人体图像，而当判断所述待检测目标图像所表示的目标为人体时，较佳的，所述人体识别装置在所述待对比图像中为所述待检测目标图像添加边界框，以利于起到提醒的效果。

本发明实施例提供的人体识别方法，通过把获得的待检测目标图像和预先获得的含有人体图像的正样本进行对比，得到第一相似度值，再把待检测目标图像和预先获得的未含有人体图像的负样本进行对比，得到第二相似度值，再通过把第一相似度值与第二相似度值进行对比的方式，判断所述待检测目标图像所表示的目标是否为人体，进而极大的提高了人体识别速率以及识别精度，从而改善了现有的人体识别系统中的图像数据的处理过程较为复杂，造成识别速率较慢的问题。

请参阅图4，本发明实施例提供的一种人体识别装置，应用于人体识别系统，所述人体识别装置的实现原理和前述方法相同，本发明实施例未提及之处，可以参见前述方法实施例中相应部分。所述人体识别装置包括图像获得单元200、待检测目标图像获得单元201、正样本获得单元202、负样本获得单元203、方向梯度直方图特征获得单元204、正样本对比单元205、负样本对比单元206以及相似度对比单元207。其中，

图像获得单元200，用于获得背景图像以及待对比图像。

待检测目标图像获得单元201，用于把所述待对比图像与所述背景图像对比，获得待检测目标图像。

其中，所述待检测目标图像获得单元201包括：图像二值化子单元，用于获得所述背景图像的二值图像，以及所述待对比图像的二值图像；

二值图像对比子单元，用于把所述待对比图像的二值图像与所述背景图像的二值图像做差，获得所述待检测目标图像的二值图像。

正样本获得单元202，用于获得用于与所述待检测目标图像进行对比的正样本，所述正样本由所述SVM预先训练生成，所述正样本含有人体图像。

负样本获得单元203，用于获得用于与所述待检测目标图像进行对比的负样本，所述负样本由所述SVM预先训练生成，所述负样本未含有人体图像。

方向梯度直方图特征获得单元204，用于获得所述待检测目标图像的方向梯度直方图特征。

所述方向梯度直方图特征获得单元204包括：

图像灰度化子单元，用于对所述待检测目标图像进行灰度化，得到灰度化的待检测目标图像；

图像分割子单元，用于把所述灰度化的待检测目标图像分割为多个封闭区域；

方向梯度直方图获得子单元，用于获得每个封闭区域的方向梯度直方图；

方向梯度直方图串联子单元，用于串联每个封闭区域的方向梯度直方图，得到所述待检测目标图像的方向梯度直方图特征。

正样本对比单元205，用于把所述待检测目标图像的方向梯度直方图特征与预先获得的所述正样本的方向梯度直方图特征进行相似匹配，得到第一相似度值；

所述正样本对比单元205包括：

尺度变换单元，用于通过不同尺度的高斯核对所述待检测目标图像进行卷积处理，得到多个不同分辨率的待检测目标图像；

相似匹配子单元，用于分别把获得的所述不同分辨率的待检测目标图像的方向梯度直方图特征与所述正样本的方向梯度直方图特征进行相似匹配，得到多个相似度值；

第一相似度值获得子单元，用于取所述多个相似度值中最大为第一相似度值。

负样本对比单元206，用于把所述待检测目标图像的方向梯度直方图特征与预先获得的所述负样本的方向梯度直方图特征进行相似匹配，得到第二相似度值；

相似度对比单元207，用于把所述第一相似度值与所述第二相似度值进行对比。

当判定所述待检测目标图像所表示的目标为人体时，为了起到提醒作用，本发明实施例提供的人体识别装置还包括边界框渲染单元，用于在所述待对比图像中为所述待检测目标图像添加边界框。

本发明实施例提供的人体识别装置，通过把获得的待检测目标图像和预先获得的含有人体图像的正样本进行对比，得到第一相似度值，再把待检测目标图像和预先获得的未含有人体图像的负样本进行对比，得到第二相似度值，再通过把第一相似度值与第二相似度值进行对比的方式，判断所述待检测目标图像所表示的目标是否为人体，进而极大的提高了人体识别速率以及识别精度，从而改善了现有的人体识别系统中的图像数据的处理过程较为复杂，造成识别速率较慢的问题。

参见图5，本发明实施例还提供的另一种人体识别装置500，包括：处理器501，存储器502，总线503和通信接口504，所述处理器501、通信接口504和存储器502通过总线503连接；处理器501用于执行存储器502中存储的可执行模块，例如计算机程序。

其中，存储器502可能包含高速随机存取存储器(RAM：Random Access Memory)，也可能还包括非不稳定的存储器(non-volatile memory)，例如至少一个磁盘存储器。通过至少一个通信接口504(可以是有线或者无线)实现该系统网元与至少一个其他网元之间的通信连接，可以使用互联网，广域网，本地网，城域网等。

总线503可以是ISA总线、PCI总线或EISA总线等。所述总线可以分为地址总线、数据总线、控制总线等。为便于表示，图5中仅用一个双向箭头表示，但并不表示仅有一根总线或一种类型的总线。

其中，存储器502用于存储程序，所述处理器501在接收到执行指令后，执行所述程序，前述本发明实施例任一实施例揭示的流过程定义的装置所执行的方法可以应用于处理器501中，或者由处理器501实现。

处理器501可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器501中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器501可以是通用处理器，包括中央处理器(Central Processing Unit，简称CPU)、网络处理器(Network Processor，简称NP)等；还可以是数字信号处理器(DSP)、专用集成电路(ASIC)、现成可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本发明实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器502，处理器501读取存储器502中的信息，结合其硬件完成上述方法的步骤。

需要说明的是，本发明实施例所提供的装置，其实现原理及产生的技术效果和前述方法实施例相同，为简要描述，装置实施例部分未提及之处，可参考前述方法实施例中相应内容。

需要说明的是，在本申请所提供的几个实施例中，应该理解到，所揭露的系统、装置和方法，可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。

需要说明的是，所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。

以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种人体识别方法，其特征在于，应用于人体识别系统，所述人体识别系统包括人体识别装置，所述人体识别装置包括支持向量机SVM，所述人体识别方法包括：

所述人体识别装置获得背景图像以及待对比图像；

把所述待对比图像与所述背景图像对比，获得待检测目标图像；

获得用于与所述待检测目标图像进行对比的正样本以及负样本，所述正样本和所述负样本由所述SVM预先训练生成，所述正样本含有人体图像，所述负样本未含有人体图像；

获得所述待检测目标图像的方向梯度直方图特征；

把所述待检测目标图像的方向梯度直方图特征与预先获得的所述正样本的方向梯度直方图特征进行相似匹配，得到第一相似度值；

把所述待检测目标图像的方向梯度直方图特征与预先获得的所述负样本的方向梯度直方图特征进行相似匹配，得到第二相似度值；

当所述第一相似度值大于所述第二相似度值时，判断所述待检测目标图像为人体图像。

2.根据权利要求1所述的人体识别方法，其特征在于，所述把所述待对比图像与所述背景图像对比，获得待检测目标图像，包括：

所述人体识别装置获得所述背景图像的二值图像，以及所述待对比图像的二值图像；

把所述待对比图像的二值图像与所述背景图像的二值图像做差，获得所述待检测目标图像的二值图像。

3.根据权利要求1所述的人体识别方法，其特征在于，所述获得所述待检测目标图像的方向梯度直方图特征，包括：

对所述待检测目标图像进行灰度化，得到灰度化的待检测目标图像；

把所述灰度化的待检测目标图像分割为多个封闭区域，获得每个封闭区域的方向梯度直方图；

串联每个封闭区域的方向梯度直方图，得到所述待检测目标图像的方向梯度直方图特征。

4.根据权利要求1所述的人体识别方法，其特征在于，所述把所述待检测目标图像的方向梯度直方图特征与预先获得的所述正样本的方向梯度直方图特征进行相似匹配，得到第一相似度值，包括：

所述人体识别装置通过不同尺度的高斯核对所述待检测目标图像进行卷积处理，得到多个不同分辨率的待检测目标图像；

分别把获得的所述不同分辨率的待检测目标图像的方向梯度直方图特征与所述正样本的方向梯度直方图特征进行相似匹配，得到多个相似度值；

取所述多个相似度值中最大为第一相似度值。

5.根据权利要求1所述的人体识别方法，其特征在于，所述人体识别方法，还包括：

当判断所述待检测目标图像为人体图像时，所述人体识别装置在所述待对比图像中为所述待检测目标图像添加边界框。

6.一种人体识别装置，其特征在于，应用于人体识别系统，所述人体识别装置包括：

图像获得单元，用于获得背景图像以及待对比图像；

待检测目标图像获得单元，用于把所述待对比图像与所述背景图像对比，获得待检测目标图像；

正样本获得单元，用于获得用于与所述待检测目标图像进行对比的正样本，所述正样本由所述SVM预先训练生成，所述正样本含有人体图像；

负样本获得单元，用于获得用于与所述待检测目标图像进行对比的负样本，所述负样本由所述SVM预先训练生成，所述负样本未含有人体图像；

方向梯度直方图特征获得单元，用于获得所述待检测目标图像的方向梯度直方图特征；

正样本对比单元，用于把所述待检测目标图像的方向梯度直方图特征与预先获得的所述正样本的方向梯度直方图特征进行相似匹配，得到第一相似度值；

负样本对比单元，用于把所述待检测目标图像的方向梯度直方图特征与预先获得的所述负样本的方向梯度直方图特征进行相似匹配，得到第二相似度值；

相似度对比单元，用于把所述第一相似度值与所述第二相似度值进行对比。

7.根据权利要求6所述的人体识别装置，其特征在于，所述待检测目标图像获得单元，包括：

图像二值化子单元，用于获得所述背景图像的二值图像，以及所述待对比图像的二值图像；

二值图像对比子单元，用于把所述待对比图像的二值图像与所述背景图像的二值图像做差，获得所述待检测目标图像的二值图像。

8.根据权利要求6所述的人体识别装置，其特征在于，所述方向梯度直方图特征获得单元，包括：

图像灰度化子单元，用于对所述待检测目标图像进行灰度化，得到灰度化的待检测目标图像；

图像分割子单元，用于把所述灰度化的待检测目标图像分割为多个封闭区域；

方向梯度直方图获得子单元，用于获得每个封闭区域的方向梯度直方图；

方向梯度直方图串联子单元，用于串联每个封闭区域的方向梯度直方图，得到所述待检测目标图像的方向梯度直方图特征。

9.根据权利要求6所述的人体识别装置，其特征在于，正样本对比单元,包括：

尺度变换单元，用于通过不同尺度的高斯核对所述待检测目标图像进行卷积处理，得到多个不同分辨率的待检测目标图像；

相似匹配子单元，用于分别把获得的所述不同分辨率的待检测目标图像的方向梯度直方图特征与所述正样本的方向梯度直方图特征进行相似匹配，得到多个相似度值；

第一相似度值获得子单元，用于取所述多个相似度值中最大为第一相似度值。

10.根据权利要求6所述的人体识别装置，其特征在于，所述人体识别装置，还包括：

边界框渲染单元，用于在所述待对比图像中为所述待检测目标图像添加边界框。