[發(fā)明專(zhuān)利]基于稀疏表示的行人檢測(cè)方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201110447411.1
• 申請(qǐng)日: 2011-12-28
• 公開(kāi)（公告）號(hào): CN102521616A
• 公開(kāi)（公告）日: 2012-06-27
• 發(fā)明（設(shè)計(jì)）人: 成科揚(yáng);杜明坤
• 申請(qǐng)（專(zhuān)利權(quán)）人: 江蘇大學(xué)
• 主分類(lèi)號(hào): G06K9/62
• 分類(lèi)號(hào): G06K9/62
• 代理公司: 南京經(jīng)緯專(zhuān)利商標(biāo)代理有限公司 32200
• 代理人: 樓高潮

1.基于稀疏表示的行人檢測(cè)方法，分為模型訓(xùn)練和比較識(shí)別兩個(gè)階段，其特征在于，在所述兩個(gè)階段分別對(duì)訓(xùn)練圖像和檢測(cè)圖像進(jìn)行歸一化處理，提取顏色、紋理和形狀三種特征向量，對(duì)所述三種特征向量進(jìn)行稀疏表示并組合成稀疏化的混合特征向量；在所述模型訓(xùn)練階段，根據(jù)訓(xùn)練圖像稀疏化的混合特征向量通過(guò)支持向量機(jī)的模型訓(xùn)練方法訓(xùn)練分類(lèi)器；在所述比較識(shí)別階段，根據(jù)檢測(cè)圖像稀疏化的混合特征向量通過(guò)所述分類(lèi)器進(jìn)行識(shí)別。

2.根據(jù)權(quán)利要求1的基于稀疏表示的行人檢測(cè)方法，其特征在于，所述顏色特征向量采用的是HSV顏色模型,其提取步驟為：

1)?將RGB空間轉(zhuǎn)換到HSV空間；

2)?把色調(diào)H空間分成8份，飽和度S和亮度V空間分別分成3份；

3)?根據(jù)色彩的不同范圍進(jìn)行量化，量化后的色調(diào)、飽和度和亮度值分別為H，S，V；

4)?把3個(gè)顏色分量合成為一維特征矢量：I=H???????????????????????????????????????????????+S+V??其中，分別是分量S和V的量化級(jí)數(shù)。

3.根據(jù)權(quán)利要求1的基于稀疏表示的行人檢測(cè)方法，其特征在于，所述紋理特征向量使用的是Tamura紋理特征中的粗糙度、對(duì)比度和方向度這三個(gè)特征向量。

4.根據(jù)權(quán)利要求3的基于稀疏表示的行人檢測(cè)方法，其特征在于，所述粗糙度的提取步驟為：

1）計(jì)算圖像中大小為個(gè)像素的活動(dòng)窗口中像素的平均強(qiáng)度值；

2)?通過(guò)對(duì)每個(gè)像素計(jì)算在水平和垂直方向上互補(bǔ)重疊的窗口之間的平均強(qiáng)度差和??；

3)?在和??中對(duì)于每個(gè)像素，使E值達(dá)到最大的i值來(lái)設(shè)置最佳尺寸；

4)?計(jì)算整幅圖像的來(lái)得到粗糙度。

5.根據(jù)權(quán)利要求3的基于稀疏表示的行人檢測(cè)方法，其特征在于，所述對(duì)比度的提取步驟為：

1)?計(jì)算四階矩和方差

2)?通過(guò)四階矩和方差計(jì)算得到峰度

3)?通過(guò)標(biāo)準(zhǔn)差和峰度計(jì)算得到對(duì)比度??。

6.根據(jù)權(quán)利要求3的基于稀疏表示的行人檢測(cè)方法，其特征在于，所述方向度的提取步驟為：

1)?計(jì)算每個(gè)像素處的梯度向量；

2)?構(gòu)建方向角局部邊緣概率直方圖；

3)?通過(guò)計(jì)算概率直方圖中峰值的尖銳程度來(lái)得到圖像的方向性。

7.根據(jù)權(quán)利要求3的基于稀疏表示的行人檢測(cè)方法，其特征在于，所述形狀特征向量的提取步驟為：

1)?將彩圖圖像灰度化，用Canny邊緣檢測(cè)提取邊緣保留邊緣灰度圖像，在用類(lèi)判別分析法自動(dòng)為每一幅廓圖像選定閾值，然后用該閾值對(duì)圖像二值化；

2)?計(jì)算圖像的中心矩H_ij，歸一化（i+j）階中心矩；

3)?計(jì)算Hu提出的具有旋轉(zhuǎn)、縮放和平移無(wú)關(guān)的7個(gè)矩特征。

8.根據(jù)權(quán)利要求1的基于稀疏表示的行人檢測(cè)方法，其特征在于，所述稀疏表示的具體步驟為：

1)?對(duì)字典?A的列向量以及所述顏色、紋理和形狀特征向量進(jìn)行2-范數(shù)等于1的歸一化，其中字典A由所有正反行人為所述特征向量組合成的矩陣；

2)?根據(jù)字典A和顏色、紋理和形狀特征向量通過(guò)EFLA算法得到其稀疏表示。