[發明專利]一種基于線性回歸的行人識別方法

在審

• 申請號: 201310469881.7
• 申請日: 2013-10-10
• 公開（公告）號: CN103500346A
• 公開（公告）日: 2014-01-08
• 發明（設計）人: 陳軍;趙世一;李紹峰
• 申請（專利權）人: 揚州瑞控汽車電子有限公司
• 主分類號: G06K9/66
• 分類號: G06K9/66
• 代理公司: 揚州蘇中專利事務所(普通合伙) 32222
• 代理人: 許必元

技術領域

本發明涉及一種行人識別方法，具體涉及一種基于線性回歸的行人識別方法，屬于智能交通技術領域。

背景技術

隨著汽車的日益普及，道路交通事故成為意外死亡和致殘的重要原因，發展車載行人檢測系統成為汽車主動安全領域重要的研究課題。行人檢測從機器視覺的角度是一個困難的任務，這主要是因為行人的外觀是高度可變的，如人可以穿不同的衣服，攜帶不同的物體，有不同的體型等，同時行人檢測系統的實時性和魯棒性要求非?？量?，要求很低的誤警和虛警概率。

現有的行人檢測系統可以采用不同的傳感器，如視覺傳感器，近紅外和遠紅外傳感器、激光雷達等，不同的傳感器的特性不同，獲取的信息處理起來難易程度、優缺點、方法不盡相同。通過對這些傳感器的比較分析，普通視覺傳感器有著一些不可替代的優勢，它們價格低廉，提供了可批量生產、推廣的解決方案；校準、維護相對容易，如果使用的處理方法得當的話，普通視覺傳感器也應該能取得很好的性能。

目前基于視覺傳感器的行人檢測系統一般分為外觀特征提取和分類學習兩部分，常用的外觀特征如Harr小波，方向梯度直方圖，形狀特征和顏色特征等。常用的分類學習方法有Adaboost集成學習、支持向量機，神經網絡等。這些方法的關鍵在于某種最優可分的特征表示，計算時間大量耗費在行人特征的提取和分類器模型的訓練上。車載行人檢測系統對于實時性有較高要求，現有方法的計算復雜度普遍較高，每幀的檢測時間難以滿足實車應用的需求。

發明內容

本發明的目的是解決上述行人識別方法的缺點。

為實現上述發明目的，本發明采用以下技術方案：

一種基于線性回歸的行人識別方法，包括以下步驟：

1）選取兩類訓練圖像集合；

2）對選取的兩類訓練圖像進行處理；

3）對處理后的兩類訓練圖像進行建模；

4）對預備測試的圖像進行多尺度縮放；

5）滑窗處理選取候選區域；

6）對候選區域進行處理；

7）對處理后的數據中的最小二乘參數進行估計；

8）計算估計后數值的最近似向量；

9）計算觀測向量與近似向量之間的距離；

10）對候選區域的類別進行判斷；

11）采用非極大抑制算法對重復檢測部分進行濾除；

12）輸出識別結果。

優選地，上述步驟1中所選取的兩類訓練圖像為行人和非行人圖像，具體集合的方法是設每類包含p張訓練圖像，所有圖像進行彩色到灰度的轉換，每個灰度圖像大小是a×b，并且表示為m=1,2,…,p，i=0為非行人類，i=1為行人類。

優選地，上述步驟3中的建模過程是對每一個灰度圖像進行下采樣，大小變為c×d，將所有的列連接起來形成一個向量，其模型為：q=c×d，cd<<ab。

優選地，上述每一個圖像向量都進行標準化使得最大的像素值為1，基于同一類中的對象分布在一個線性空間上的概念，將第i類對應的p維向量疊放形成類的模型X_i，Xi=[wi1,wi2,...,wip],]]>i=0,1。

優選地，上述步驟4中，是將原始測試圖像進行彩色到灰度的轉換后，再采用多尺度的縮放處理，形成不同尺度的待測圖像S_i,i=1,2,…n。

優選地，上述步驟5中的滑窗處理選取候選區域，是對所述每一個待測圖像S_i中用大小為a×b的窗進行步長r的滑窗提取候選區域，并對每一個候選區域進行下采樣，大小變為c×d。