[發明專利]基于第二代曲線波變換的靜態人體檢測方法

有效

• 申請號: 201010259562.X
• 申請日: 2010-08-20
• 公開（公告）號: CN101930549A
• 公開（公告）日: 2010-12-29
• 發明（設計）人: 韓紅;焦李成;范友健;李陽陽;吳建設;王爽;尚榮華;陳志超
• 申請（專利權）人: 西安電子科技大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06T7/00
• 代理公司: 陜西電子工業專利中心 61205
• 代理人: 王品華;朱紅星

1.一種基于第二代曲線波變換的靜態人體檢測方法，包括如下過程：

(1)在INRIA數據庫中，通過自舉操作獲取負樣本，這些負樣本與數據庫中其它的正樣本一起構成訓練樣本集；

(2)提取訓練樣本集中每個訓練樣本的基于曲線波變換的邊緣特征向量，并對提取的邊緣特征向量進行了最優統計量的選擇；

(3)提取訓練樣本集中每個訓練樣本的基于曲線波變換的紋理特征向量，并將該紋理特征向量與步驟(2)提取的邊緣特征向量級聯，共同構成人體特征向量；

(4)計算訓練樣本集中所有訓練樣本的人體特征向量，組成樣本特征集，利用AdaBoost分類算法對其進行分類訓練，得到一個分類器；

(5)輸入任意大小的被測圖像，采用滑窗掃描的方法對被測圖像進行掃描檢測，并計算所有掃描窗口圖像的基于曲線波變換的人體特征向量，輸入到步驟(4)中所得到的分類器中進行分類；

(6)根據分類器輸出的分類結果，利用主窗口合并法，對所有分為人體的掃描窗口進行組合，形成最終的人體檢測結果。

2.根據權利要求1所述的人體檢測方法，其中步驟(1)所述的在INRIA數據庫中，通過自舉操作獲取負樣本，按如下步驟進行：

(2a)先從INRIA數據庫中任取一部分正樣本與負樣本；

(2b)分別使用HOG特征和基于曲線波變換的人體特征提取方法對正負樣本進行特征提取，并使用AdaBoost算法進行分類訓練，得到兩個初始分類器；

(2c)分別使用這兩個初始分類器，測試INRIA數據庫中的其余非人體圖像，對于這些非人體圖像，在被錯分為人體圖像的掃描窗口圖像中隨機挑選一部分圖像與當前負樣本組成新的負樣本集；

(2d)重復(2b-2c)，從所得的負樣本中去除重復的負樣本，得到最終的負樣本集。

3.根據權利要求1所述的人體檢測方法，其中步驟(2)所述的提取訓練樣本集中每個訓練樣本的基于曲線波變換的邊緣特征向量，并對提取的邊緣特征向量進行了最優統計量的選擇，按如下步驟進行：

(3a)對每個訓練樣本做快速離散曲線波變換，曲線波變換的參數設置為實值曲線波變換，且尺度數為3層，次粗糙層具有8個方向子帶，最精細層為曲線波系數；

(3b)將次粗糙層和最精細層上大小相同的子帶系數矩陣進行拼接形成一個大的系數矩陣，并對每一個尺度的系數矩陣進行8×8像素的剖分，將每個8×8像素的小塊作為一個曲線波塊；

(3c)計算每個曲線波塊中系數的能量、熵、標準差、均值、最大值、最小值和對比度這幾個統計量，并將每個曲線波塊的統計量進行級聯，得到初始的邊緣特征向量；提取所有訓練樣本的初始邊緣特征，得到一個樣本特征集，并用AdaBoost算法進行分類訓練；

(3d)統計訓練AdaBoost分類器時每種統計量被選中的次數，對(3c)中的統計量中進行篩選，將被選中的次數較多的統計量作為最優的統計特征量為：能量、熵、對比度、標準差和最大值；

(3e)將所有的曲線波塊中系數的最優統計量進行聯結，形成一個特征向量，即邊緣特征向量。

4.根據權利要求1所述的人體檢測方法，其中步驟(3)所述的提取訓練樣本集中每個訓練樣本的基于曲線波變換的紋理特征向量，按如下步驟進行：

(4a)對每個訓練樣本曲線波變換后的最粗糙層的系數矩陣采用1/2重疊的方法進行8×8系數大小的剖分，并對每一個8×8大小的系數小塊計算其共生矩陣，該共生矩陣的量化級數為16；

(4b)對于每個8×8大小的系數小塊的共生矩陣，計算其角二階矩、熵、對比度、相關性、均值和和方差和這六項統計量，將所有8×8大小的系數小塊的共生矩陣的統計量進行聯結，形成一個特征向量，即紋理特征向量。

5.根據權利要求1所述的人體檢測方法，其中步驟(4)所述的計算訓練樣本集中所有訓練樣本的人體特征向量，組成樣本特征集，是利用AdaBoost分類算法對其進行分類訓練，具體步驟如下；

(5a)將提取的每個訓練樣本的邊緣特征向量和紋理特征向量進行級聯，得到每個訓練樣本的人體特征向量；

(5b)計算訓練樣本集中每一個訓練樣本的人體特征向量，假設人體特征向量為一個M維的向量，訓練樣本集中訓練樣本的個數為N，則所有的訓練樣本提取的特征向量將形成一個N×M維的矩陣，作為AdaBoost算法的輸入，訓練出一個分類器。

6.根據權利要求1所述的人體檢測方法，其中步驟(5)所述的采用滑窗掃描的方法對被測圖像進行掃描檢測，按如下步驟進行：

(6a)輸入任意大小的被測圖像，將其按縮放比為[0.4，0.5，0.6，0.7，0.8，0.9]的比例縮放；

(6b)將縮放后的被測圖像左上角的與一個樣本等大小的區域作為第一個掃描窗口圖像，每向右平移8個像素或向下平移8個像素作為一個新的掃描窗口，得到一組掃描窗口；

(6c)對每個掃描窗口部分的圖像分別利用步驟(2)和步驟(3)的方法計算其邊緣特征向量和紋理特征向量；

(6d)將掃描窗口部分圖像提取的邊緣特征向量和紋理特征向量進行級聯得到最終掃描窗口圖像的特征向量，并用步驟(4)所得到的分類器進行人體與非人體的判斷。