[發(fā)明專利]一種基于邊緣分級和CENTRIST特征的行人檢測方法

在審

• 申請?zhí)枺?/td>: 201410243315.9
• 申請日: 2014-06-03
• 公開（公告）號: CN104063682A
• 公開（公告）日: 2014-09-24
• 發(fā)明（設計）人: 楊華;鄧長友
• 申請（專利權(quán)）人: 上海交通大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62
• 代理公司: 上海漢聲知識產(chǎn)權(quán)代理有限公司 31236
• 代理人: 郭國中

技術(shù)領(lǐng)域

本發(fā)明屬于計算機視頻處理技術(shù)領(lǐng)域，具體為一種基于圖像紋理的行人檢測方法，尤其適用于背景變化的單幀圖像行人檢測的應用場合。

背景技術(shù)

行人檢測在視頻監(jiān)控的應用中扮演越來越重要的角色，比如住宅安全監(jiān)控、機場安全監(jiān)控、異常事件檢測，還包括軍事上的敵對目標檢測，娛樂中包括動作感知等等，都是依賴于對人的準確檢測和目標定位。雖然目前有很多行人檢測方法被提出，但是復雜的背景和不確定性因素(比如遮擋問題)給行人檢測提出了很多新的挑戰(zhàn)?，F(xiàn)有技術(shù)分為背景提取(Background Subtraction)和直接檢測(Direct Detection)兩大策略。比如以高斯背景建模(參見：Wren,C.R.,Azarbayejani,A.,Darrell,T.,&Pentland,A.P.(1997).Pfinder:Real-time tracking of the human body.Pattern Analysis and Machine Intelligence,IEEE Transactions on,19(7),780-785.)為代表的背景提取方法，要求背景緩慢變化的，并且背景更新的過程非常耗時。而以HOG為代表的基于圖像紋理的直接檢測方法(參見：Dalal,N.,&Triggs,B.(2005,June).Histograms of oriented gradients for human detection.In Computer Vision and Pattern Recognition,2005.CVPR2005.IEEE Computer Society Conference on(Vol.1,pp.886-893).IEEE.)很容易受到圖像噪聲和復雜環(huán)境紋理的影響，并且圖像的絕對灰度值梯度信息在SVM的學習中魯棒性不強。

發(fā)明內(nèi)容

本發(fā)明的目的是基于直接檢測的方法上克服現(xiàn)有技術(shù)的不足，提出了一種基于邊緣分級和CENTRIST特征的行人檢測方法，通過邊緣分級的技術(shù)可以有效的濾除復雜內(nèi)部紋理細節(jié)，減少背景的干擾提高檢測準確率，對光照變化、形態(tài)變換、遮擋下的行人檢測有較高的魯棒性。

本發(fā)明是通過以下技術(shù)方案實現(xiàn)的，包括以下幾個步驟：

第一步：對待檢測圖像進行邊緣分級，提取顯著邊緣特征。

具體步驟為：

1.用3D-Harris Detector計算邊緣像素尺度。由2D-Harris Detector引入3D-Harris Detector自相關(guān)矩陣：