[發明專利]一種使用聚合通道特征和軟級聯分類器的行人檢測方法

有效

• 申請號: 201410150661.2
• 申請日: 2014-04-15
• 公開（公告）號: CN103886308B
• 公開（公告）日: 2017-03-29
• 發明（設計）人: 鄒北驥;傅紅普;王磊;粱毅雄;陳再良;朱承璋;劉晴;乃科
• 申請（專利權）人: 中南大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/46;G06K9/66
• 代理公司: 長沙市融智專利事務所43114
• 代理人: 黃美成

技術領域

本發明涉及計算機視覺的目標檢測技術領域，特別涉及一種使用聚合通道特征和軟級聯分類器的行人檢測方法。

背景技術

因為在安保監控、自動駕駛和智能機器人等領域中的關鍵作用，多年來行人檢測一直是計算機視覺領域的熱門研究課題。隨著描述圖像區域信息的更有效底層特征的出現和更好的行人表示模型的設計，近年來行人檢測的性能得到了很大提高，但離實用要求仍有不小差距。

在計算機視覺技術中進行行人檢測通常采用滑動窗口的方式。即，確定固定大小的矩形，依次從左到右，從上到下選擇矩形區域；然后提取矩形區域中的特征，并將得到的特征輸入分類器或者檢測器進行判斷，最后輸出檢測到行人的矩形區域。因此，影響行人檢測的兩個關鍵因素分別是底層特征和分類器或檢測器。在現有最好的行人檢測方法中，底層特征一般都使用獲取局部信息的特征。這里將現有最好性能檢測器歸為以下四類：一、單一剛性模版檢測器；二、單一部件結構模型檢測器；三、多剛性模版檢測器；四、多部件結構模型檢測器。

對常用的底層特征及這四種檢測器分析如下：

單純使用像素灰度值的類Haar矩形特征因其簡單性，并且可以使用積分圖技術加速特征的提取，在人臉檢測中得到了成功的應用。因灰度值受光照等外部影響很大，加之行人外觀的復雜多變性，在行人檢測中，類Harr特征的表達能力就太弱了，因此一般只用來預先大致確定包含行人的感興趣區域，再進行后續處理。

像素梯度能獲得較好的光照不變性，獲取矩形區域梯度直方圖的HOG特征在行人檢測上表現出了很好的性能。因為采用了區域部分重疊、直方圖計算三線性插值消除走樣等獲得不變性的措施，HOG特征的維度比較高，計算量也比較大，這些是其在實時應用中的障礙。積分通道特征可以看作是HOG特征的積分圖化。該特征除了利用像素梯度之外，還使用了LUV的像素值，這樣的處理使得該特征具有了較好的表達能力，并且引入積分圖讓計算量降低到了可接受的程度。基于去掉很小區域和很大區域的直方圖不太會影響行人檢測效果的事實，聚合通道特征只計算固定大小正方形區域的直方圖，采用了積分通道特征相同的通道，這樣使特征的維度大大降低了，同時表達能力相對于積分通道特征還有了提高。

剛性模板將行人當作一個整體，相當于行人集外觀的平均值表示。單一剛性模板檢測器使用一個剛性模板描述整個行人類別，其訓練是一個全局優化問題，有多種可選的優化方法、訓練起來比較簡單是其最大優點。但是，由于行人外觀的復雜多邊性，剛性模板表達能力不太好，從而造成最后的行人檢測效果無法達到最佳。

部件結構模型是復雜模型的代表，它考慮到了行人可以看作多個相對獨立的部件構成這個事實，不但表達各部件的外觀，也表達部件之間的關系和行人的整體外觀。這種模型的表達能力很強，也更符合行人的生理結構，這是其突出優點。相對于剛體模型，訓練部件結構模型需要很多額外的信息，而這些信息很多是隱含的，在訓練時并不能獲得。隱含信息的使用造成了訓練的困難，從而得到的部件結構模型往往不是最優的。

由于行人具有極大的類內差別，使用單一模型不足以描述行人這個類別。多剛性模板檢測器和多部件結構模板檢測器都基于將行人分解成多個較單純的子類處理的想法。同一子類行人的外觀具有較好的相似性，可以更好的描述，多模型檢測器正是利用了這個優點。但是，首先要將行人劃分為多個子類才可能訓練出多模型檢測器，這個子類劃分尚是未解決的開放課題。

發明內容

本發明提供了一種使用聚合通道特征和軟級聯分類器的行人檢測方法，其目的在于克服上述現有技術的不足，擬避開子類劃分、降低訓練難度、充分利用多模型的表達能力、同時維持較快的檢測速度。

一種使用聚合通道特征和軟級聯分類器的行人檢測方法，包括以下步驟：

步驟1：獲取圖像，并對圖像進行預處理構成圖像金字塔；

步驟2：從圖像金字塔中提取聚合通道特征金字塔；

步驟3：在聚合通道特征金字塔上按照設定的步長滑動檢測窗口，獲得檢測塊；

步驟4：使用已訓練好的多個軟級聯分類器將步驟3獲得的檢測塊依次分類為含有行人或不含行人的檢測塊；

步驟5：被分類為含有行人的檢測塊標記為行人候選窗口，并記錄每個行人候選窗口的分類得分；

步驟6：去除重疊行人候選窗口；

將行人候選窗口按照分類得分進行降序排列，依次計算相鄰的兩個行人候選窗口的重疊面積A與相鄰兩個行人候選窗口中較小行人候選窗口面積B的比值如果比值大于0.65，則去掉分類得分較小的行人候選窗口，直到沒有任何相鄰的兩個行人窗口的重疊比值大于0.65為止；