[發(fā)明專利]一種多姿態(tài)行人檢測方法

在審

• 申請?zhí)枺?/td>: 201710258662.2
• 申請日: 2017-04-19
• 公開（公告）號: CN107122726A
• 公開（公告）日: 2017-09-01
• 發(fā)明（設(shè)計）人: 朱婷婷;文莉;李劍;毛亮;黃仝宇;汪剛;宋一兵;侯玉清;劉雙廣
• 申請（專利權(quán)）人: 高新興科技集團股份有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62
• 代理公司: 廣州粵高專利商標代理有限公司44102
• 代理人: 鄭永泉,邱奕才

1.一種多姿態(tài)行人檢測方法，其特征在于，包括以下步驟：

1)創(chuàng)建樣本集：所述樣本集包括正樣本集和負樣本集；

2)對樣本集進行DPM特征提?。簩λ鰳颖炯械臉颖具M行DPM特征提取得到DPM特征向量；

3)樣本訓(xùn)練：把所述第一類正樣本和負樣本提取得到的DPM特征輸入LSVM分類器中得到第一個行人檢測器，對所述第二類正樣本和負樣本提取得到的DPM特征輸入LSVM分類器中得到第二個行人檢測器；

4)行人檢測：通過所述第一個行人檢測器和第二個行人檢測器計算待測圖像的分數(shù)從而進行行人檢測。

2.根據(jù)權(quán)利要求1所述的多姿態(tài)行人檢測方法，其特征在于，步驟1)中，所述正樣本集中的正樣本分為第一類正樣本和第二類正樣本，第一類正樣本包括站立、行走、坐著的姿態(tài)圖片，第二類正樣本是人躺著的姿態(tài)圖片；所述負樣本集中的負樣本從現(xiàn)實場景的背景圖片進行采樣得到。

3.根據(jù)權(quán)利要求2所述的多姿態(tài)行人檢測方法，其特征在于，步驟2)中，對所述第一類正樣本和負樣本提取DPM特征向量的DPM可形變部件模型的部件個數(shù)為4個，部件尺寸為6*6像素。

4.根據(jù)權(quán)利要求2所述的多姿態(tài)行人檢測方法，其特征在于，所述正樣本集中第二類正樣本還包括對第二類正樣本進行適當?shù)慕嵌刃D(zhuǎn)后的樣本。

5.根據(jù)權(quán)利要求4所述的多姿態(tài)行人檢測方法，其特征在于，步驟2)中，對所述第二類正樣本和負樣本提取DPM特征向量的DPM可形變部件模型的部件個數(shù)為5個，部件尺寸為6*6像素。

6.根據(jù)權(quán)利要求1或4所述的多姿態(tài)行人檢測方法，其特征在于，步驟2)中，對所述樣本集中的正樣本和負樣本進行提取后得到的DPM特征向量為36維DPM特征向量。

7.根據(jù)權(quán)利要求6所述的多姿態(tài)行人檢測方法，其特征在于，步驟2)中，所述降維后得到的DPM特征向量為13維。

8.根據(jù)權(quán)利要求1或2或4所述的多姿態(tài)行人檢測方法，其特征在于，步驟4)中，所述行人檢測方法步驟包括如下：

41)輸入待檢測圖像,順時針旋轉(zhuǎn)90度，180度，270度，并分別計算得到4個DPM特征圖:F1、F2、F3、F4；

42)將步驟41中的得到所有DPM特征圖分別與所述第一行人檢測器和第二行人檢測器卷積得到8個行人檢測分數(shù)圖；

43)對于同一個DPM特征圖卷積得到的兩個檢測分數(shù)圖進行合并：在新的分數(shù)圖中，每個位置取兩個檢測分數(shù)圖中對應(yīng)位置較大的分數(shù)值，得到新的分數(shù)圖S1、S2、S3、S4分別對應(yīng)F1、F2、F3、F4；

44)將S2、S3、S4依次逆時針旋轉(zhuǎn)90度、180度、270度，得到S2’、S3’、S4’；

55)根據(jù)S1、S2’、S3’、S4’的分數(shù)標記出行人所在的位置，并合并檢測結(jié)果。

9.根據(jù)權(quán)利要求8所述的多姿態(tài)行人檢測方法，其特征在于，步驟4)中，所述分數(shù)表達式為β·Φ(x)，其中β是第一行人檢測器或第二行人檢測器，它們都是特征向量濾波器，Φ(x)是圖像及指定的位置和尺度，x是特征向量，計算得到分數(shù)越大，表示檢測窗口中行人的可能性越大。

10.根據(jù)權(quán)利要求6所述的多姿態(tài)行人檢測方法，其特征在于，對于步驟2)所述降維的具體方法如下：

把36維DPM特征向量看做一個4*9的矩陣，令V＝{u₁,...,u₉}∪{v₁,...,v₉}，其中u_i和v_i都是36維向量，其4*9的矩陣表達形式滿足下列條件：

uk(i,j)=1if j=k;0otherwise;]]>

vk(i,j)={1if j=k;0otherwise;;;]]>

然后用36維DPM特征與每個u_k和v_k進行點積，即計算矩陣表達的某列的4個歸一化值的和來獲得DPM特征向每個u_k的投影，計算矩陣表達的某行的9個歸一化值的和來獲得DPM特征向每個v_k的投影，從而得到一個13維的DPM特征向量。