[發明專利]圖像中多分類器集成的行人檢測方法和系統

有效

• 申請號: 201710386676.2
• 申請日: 2017-05-26
• 公開（公告）號: CN107301378B
• 公開（公告）日: 2020-03-17
• 發明（設計）人: 張重陽;王丹
• 申請（專利權）人: 上海交通大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62
• 代理公司: 上海恒慧知識產權代理事務所(特殊普通合伙) 31317
• 代理人: 徐紅銀

1.一種圖像中多分類器集成的行人檢測方法，其特征在于，包括：

獲取待檢測圖像；

基于所述待檢測圖像提取初始候選框；

通過初始分類器判斷初始候選框中的圖像是否為行人目標，所述初始分類器通過訓練圖像集中的所有圖像樣本訓練得到；

若所述初始分類器判斷為行人目標，則判斷初始候選框的高度是否大于預設閾值；

若初始候選框的高度大于預設閾值，則通過大尺度目標分類器對初始候選框的高度大于預設閾值的圖像進行分類識別；其中，通過從所述初始候選框的高度大于預設閾值的訓練圖像樣本中提取到不同特征，并通過所述不同特征訓練得到多個子分類器，由該多個子分類器集成得到所述大尺度目標分類器；

若初始候選框的高度小于等于預設閾值，則通過小尺度目標分類器對初始候選框的高度小于等于預設閾值的圖像進行分類識別；其中，通過對初始候選框的高度小于等于預設閾值的訓練圖像樣本中提取到不同特征，并通過所述不同特征訓練得到多個子分類器，由該多個子分類器集成得到所述小尺度目標分類器；

獲取檢測結果；

所述方法還包括：構建針對初始分類器、大尺度目標分類器和小尺度目標分類器的訓練圖像樣本；對訓練圖像集中的訓練圖像標記初始候選框，所述初始候選框又稱為行人目標矩形框，所述行人目標矩形框是指包含單個行人目標的最小外接矩形框；根據行人目標矩形框的高度和呈現的人體視角，將行人分為小尺度行人、大尺度正背面行人、大尺度側面行人三類；當行人目標矩形框的高度小于等于預設閾值H_T時，則所述行人目標矩形框內的行人為小尺度行人；當行人目標矩形框的高度大于預設閾值H_T時，則所述行人目標矩形框內的行人為大尺度行人；根據大尺度行人的視角，進一步地分為大尺度正背面行人和大尺度側面行人：其中，將身體正面或背面呈現在圖像中的目標作為大尺度正背面行人，否則作為大尺度側面行人；

所述方法還包括：將行人目標矩形框進行上下文擴展，得到包含背景信息的行人目標上下文矩形框；其中，上下文擴展是指：保持行人目標矩形框的中心點坐標不變，調整行人目標矩形框的高度和寬度，當高度和寬度均變大時，則認為對行人目標矩形框進行了上下文擴展；

所述方法還包括：大尺度目標分類器訓練及集成步驟，所述大尺度目標分類器訓練及集成步驟包括：

基于訓練圖像集中的大尺度行人，提取所述大尺度行人的聚合通道特性特征，簡稱ACF特征，利用Adaboost分類器訓練后得到第一子分類器C_L1；

基于訓練圖像集中的大尺度正背面行人和所述大尺度正背面行人的行人目標上下文矩形框，提取Haar特征，利用Adaboost分類器訓練后得到第二子分類器C_L2；

基于訓練圖像集中的大尺度側面行人和所述大尺度側面行人的行人目標上下文矩形框，提取Haar特征，利用Adaboost分類器訓練后得到第三子分類器C_L3；

設置第一子分類器C_L1、第二子分類器C_L2、第三子分類器C_L3所對應的權重，分別記為W_L1，W_L2，W_L3，并對第一子分類器C_L1、第二子分類器C_L2、第三子分類器C_L3按照設置的權重進行加權融合、集成得到大尺度目標分類器，記為C_L。

2.根據權利要求1所述的圖像中多分類器集成的行人檢測方法，其特征在于，還包括：小尺度目標分類器訓練及集成步驟，所述小尺度目標分類器訓練及集成步驟包括：

基于訓練圖像集中的小尺度行人和所述小尺度行人的行人目標上下文矩形框，提取Haar特征，利用Adaboost分類器訓練后得到第四子分類器C_S1；

基于訓練圖像集中的小尺度行人，提取HOG特征，利用Adaboost分類器訓練后得到第五子分類器C_S2；

分別設置第四子分類器C_S1、第五子分類器C_S2所對應的權重W_S1，W_S2，并對第四子分類器C_S1和第五子分類器C_S2按照設置的權重進行加權融合、集成得到小尺度目標分類器，記為C_S。