[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(jì)）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(tuán)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(biāo)代理有限公司44102
• 代理人: 鄭永泉,邱奕才

技術(shù)領(lǐng)域

本發(fā)明涉及一種檢測方法，尤其是一種多姿態(tài)行人檢測方法。

背景技術(shù)

行人檢測可定義為：判斷輸入圖片是否包含行人，如果有，給出位置信息。它是車輛輔助駕駛、智能視頻監(jiān)控和人體行為分析等應(yīng)用中的第一步，近年來也應(yīng)用在航拍圖像、受害者營救等新興領(lǐng)域中。由于背景的復(fù)雜性，行人往往在場景中不會單獨(dú)出現(xiàn)，因此不可避免的會有遮擋以及角度和姿態(tài)的不同帶來的非剛體的形變等等，使得行人檢測成為計(jì)算機(jī)視覺的研究難點(diǎn)與熱點(diǎn).

題為《基于后驗(yàn)HOG特征的多姿態(tài)行人檢測》的論文。該論文涉及的是一種基于后驗(yàn)HOG特征的行人檢測方法，先統(tǒng)計(jì)全部行人樣本的共性信息——梯度特征能量，對個體樣本的HOG特征進(jìn)行加權(quán)處理，得到表征行人邊緣的后驗(yàn)HOG特征，然后利用S-Isomap特征降維方法和K-means聚類方法對不同姿態(tài)和視角的行人做子類劃分，并集成各子類分類器的方法。但是該方案模型死板，而行人具有非剛性的特點(diǎn)，難以適應(yīng)其運(yùn)動；對于行人躺下，蹲下，彎腰等姿態(tài)，沒有針對的相應(yīng)姿態(tài)訓(xùn)練，無法檢測到此類姿態(tài)；而且，在行人下半身被遮擋的情況，難以被檢測。

發(fā)明內(nèi)容

為克服現(xiàn)有的技術(shù)缺陷，本發(fā)明提出一種多姿態(tài)行人檢測方法，本方法針對多姿態(tài)行人的非剛性，提出以行人頭肩作為訓(xùn)練正樣本，并根據(jù)姿態(tài)類型分成兩類正樣本，訓(xùn)練得到兩個可形變部件模型針對不同的姿態(tài)進(jìn)行檢測。在檢測過程中，利用旋轉(zhuǎn)特征圖進(jìn)行檢測的方法，適應(yīng)了多角度多姿態(tài)的行人檢測。本發(fā)明采用以下技術(shù)方案予以實(shí)現(xiàn)，包括以下步驟：

1)創(chuàng)建樣本集：所述樣本集包括正樣本集及負(fù)樣本集；

2)對樣本集進(jìn)行DPM特征提取：對所述樣本集中的樣本進(jìn)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(fù)樣本提取得到的DPM特征輸入LSVM分類器中得到第一行人檢測器，對所述第二類正樣本和負(fù)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(jì)算待測圖像的分?jǐn)?shù)從而進(jìn)行行人檢測。

進(jìn)一步地，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，第一類正樣本主要包括站立、行走、坐著的姿態(tài)圖片，第二類正樣本是人躺著的姿態(tài)的圖片；所述負(fù)樣本集中的負(fù)樣本從現(xiàn)實(shí)場景的背景圖片進(jìn)行采樣得到。

進(jìn)一步地，步驟2)中，對所述第一類正樣本和負(fù)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。

進(jìn)一步地，所述正樣本集中第二類正樣本還包括對第二類正樣本進(jìn)行適當(dāng)?shù)慕嵌刃D(zhuǎn)后的樣本。

進(jìn)一步地，步驟2)中，對所述第二類正樣本和負(fù)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。

進(jìn)一步地，步驟2)中，對所述樣本集中的正樣本和負(fù)樣本進(jìn)行提取后得到的HOG特征向量為36維DPM特征向量。

進(jìn)一步地，步驟3)中，所述降維后得到的DPM特征為13維。

進(jìn)一步地，步驟5)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(jì)算得到4個DPM特征圖:F1、F2、F3、F4；

42)將步驟51)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?jǐn)?shù)圖；

43)對于同一個DPM特征圖卷積得到的兩個檢測分?jǐn)?shù)圖進(jìn)行合并：在新的分?jǐn)?shù)圖中，每個位置取兩個檢測分?jǐn)?shù)圖中對應(yīng)位置較大的分?jǐn)?shù)值，得到新的分?jǐn)?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’；

45)根據(jù)S1、S2’、S3’、S4’的分?jǐn)?shù)標(biāo)記出行人所在的位置，并合并檢測結(jié)果。

進(jìn)一步地，步驟4)中，所述分?jǐn)?shù)表達(dá)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(jì)算得到分?jǐn)?shù)越大，表示檢測窗口中行人的可能性越大。