[發明專利]一種基于CoLBP共生特征與GSS特征的行人檢測方法

有效

• 申請號: 201710176356.4
• 申請日: 2017-03-23
• 公開（公告）號: CN106971158B
• 公開（公告）日: 2019-07-16
• 發明（設計）人: 許正;朱松豪;孫成建;荊曉遠
• 申請（專利權）人: 南京郵電大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/46;G06K9/62
• 代理公司: 南京經緯專利商標代理有限公司 32200
• 代理人: 徐瑩

1.一種基于CoLBP共生特征與GSS特征的行人檢測方法，其特征在于，包括以下步驟：

步驟A、提取視頻序列中每一幀圖像的HOG特征及LBP特征，根據每一幀圖像中的HOG特征計算出圖像局部梯度塊之間的成對梯度自相似性的GSS特征，同時根據LBP特征得到CoLBP共生特征；

步驟B、采用特征生成器FGM移除不對稱的GSS特征，得到判別梯度自相似性DGSS特征；

步驟C、基于HOG特征與CoLBP共生特征訓練的線性SVM分類器移除圖像中的負樣本；對于剩余負樣本與正樣本，利用基于HOG特征與判別梯度自相似性DGSS特征訓練的Real-AdaBoost分類器再次檢測每一幀圖像中的行人，獲得檢測結果。

2.根據權利要求1所述基于CoLBP共生特征與GSS特征的行人檢測方法，其特征在于，所述步驟A中計算成對梯度自相似性GSS特征，具體包括：利用HOG特征對局部梯度塊進行方向編碼，并通過計算每一個局部梯度塊與其水平翻轉局部梯度塊之間的距離得到距離矩陣，并根據距離矩陣計算出成對梯度自相似性的GSS特征。

3.根據權利要求2所述基于CoLBP共生特征與GSS特征的行人檢測方法，其特征在于，所述步驟A所得到的距離矩陣具體為：

D_ij＝min{d(H_i,H_j),d(H_i',H_j)}

其中，d表示距離，H_i表示非翻轉局部梯度塊，H_i’表示H_i的水平翻轉局部梯度塊，d定義為歐氏距離。

4.根據權利要求2所述基于CoLBP共生特征與GSS特征的行人檢測方法，其特征在于，所述步驟A中，根據距離矩陣計算出成對梯度自相似性的GSS特征具體為：

根據距離矩陣，確定每一幀圖像中HOG塊與其水平翻轉塊之間對稱的相似性矩陣：

其中，D_max與D_min分別表示一幀圖像中局部梯度塊之間的最大距離和最小距離，ε為接近于0的正數；D_ij表示距離矩陣；

采用S_ij矩陣的上三角矩陣S_up獲得GSS特征向量F_GSS，且采用冪次變換依次對每一對特征塊的GSS特征進行增強處理，及通過范數歸一化獲得成對梯度自相似性的GSS特征。

5.根據權利要求1所述基于CoLBP共生特征與GSS特征的行人檢測方法，其特征在于：所述步驟A根據圖像的LBP特征得到CoLBP共生特征，具體為：

定義每一對像素之間的共生模式{DX,DY,F₁,F₂}滿足以下約束：

其中{x₁,y₁}，{x₂,y₂}分別為像素a與b的坐標，DX與DY分別表示像素a與b在X方向與Y方向的距離之差，f₁，f₂分別表示像素a與b經過特征提取后得到的像素值；F₁，F₂∈特征空間F；

獲取每一個LBP特征的等價模式，并將等價模式后的每一個LBP特征分成9個聚類，用特征空間F表示；及在滿足共生模式{DX,DY,F₁,F₂}的基礎上，確定CoLBP共生特征向量為：

c_ij＝count(DX,DY,F_i,F_j)

F＝LBP_n,r,h,1≤i,j≤9

其中F_i，F_j是LBP特征空間F的聚類數；當h＝0時，LBP_n,r,h表示圖像的亮度值；當h＝1時，LBP_n,r,h表示圖像在水平方向的亮度梯度值；當h＝2時，LBP_n,r,h表示y方向的亮度梯度值，CoLBP(DX,DY,h)表示共生特征矩陣，c_ij表示LBP特征空間F的聚類F_i和F_j中所有滿足共生模式{DX,DY,F₁,F₂}的共生特征的數量。