[發(fā)明專利]圖像中多分類器集成的行人檢測方法和系統(tǒng)

有效

• 申請?zhí)枺?/td>: 201710386676.2
• 申請日: 2017-05-26
• 公開（公告）號: CN107301378B
• 公開（公告）日: 2020-03-17
• 發(fā)明（設(shè)計(jì)）人: 張重陽;王丹
• 申請（專利權(quán)）人: 上海交通大學(xué)
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62
• 代理公司: 上海恒慧知識產(chǎn)權(quán)代理事務(wù)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(biāo)，所述初始分類器通過訓(xùn)練圖像集中的所有圖像樣本訓(xùn)練得到；

若所述初始分類器判斷為行人目標(biāo)，則判斷初始候選框的高度是否大于預(yù)設(shè)閾值；

若初始候選框的高度大于預(yù)設(shè)閾值，則通過大尺度目標(biāo)分類器對初始候選框的高度大于預(yù)設(shè)閾值的圖像進(jìn)行分類識別；其中，通過從所述初始候選框的高度大于預(yù)設(shè)閾值的訓(xùn)練圖像樣本中提取到不同特征，并通過所述不同特征訓(xùn)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(biāo)分類器；

若初始候選框的高度小于等于預(yù)設(shè)閾值，則通過小尺度目標(biāo)分類器對初始候選框的高度小于等于預(yù)設(shè)閾值的圖像進(jìn)行分類識別；其中，通過對初始候選框的高度小于等于預(yù)設(shè)閾值的訓(xùn)練圖像樣本中提取到不同特征，并通過所述不同特征訓(xùn)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(biāo)分類器；

獲取檢測結(jié)果；

所述方法還包括：構(gòu)建針對初始分類器、大尺度目標(biāo)分類器和小尺度目標(biāo)分類器的訓(xùn)練圖像樣本；對訓(xùn)練圖像集中的訓(xùn)練圖像標(biāo)記初始候選框，所述初始候選框又稱為行人目標(biāo)矩形框，所述行人目標(biāo)矩形框是指包含單個行人目標(biāo)的最小外接矩形框；根據(jù)行人目標(biāo)矩形框的高度和呈現(xiàn)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(cè)面行人三類；當(dāng)行人目標(biāo)矩形框的高度小于等于預(yù)設(shè)閾值H_T時，則所述行人目標(biāo)矩形框內(nèi)的行人為小尺度行人；當(dāng)行人目標(biāo)矩形框的高度大于預(yù)設(shè)閾值H_T時，則所述行人目標(biāo)矩形框內(nèi)的行人為大尺度行人；根據(jù)大尺度行人的視角，進(jìn)一步地分為大尺度正背面行人和大尺度側(cè)面行人：其中，將身體正面或背面呈現(xiàn)在圖像中的目標(biāo)作為大尺度正背面行人，否則作為大尺度側(cè)面行人；

所述方法還包括：將行人目標(biāo)矩形框進(jìn)行上下文擴(kuò)展，得到包含背景信息的行人目標(biāo)上下文矩形框；其中，上下文擴(kuò)展是指：保持行人目標(biāo)矩形框的中心點(diǎn)坐標(biāo)不變，調(diào)整行人目標(biāo)矩形框的高度和寬度，當(dāng)高度和寬度均變大時，則認(rèn)為對行人目標(biāo)矩形框進(jìn)行了上下文擴(kuò)展；

所述方法還包括：大尺度目標(biāo)分類器訓(xùn)練及集成步驟，所述大尺度目標(biāo)分類器訓(xùn)練及集成步驟包括：

基于訓(xùn)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(xùn)練后得到第一子分類器C_L1；

基于訓(xùn)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(biāo)上下文矩形框，提取Haar特征，利用Adaboost分類器訓(xùn)練后得到第二子分類器C_L2；

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

設(shè)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(yīng)的權(quán)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(shè)置的權(quán)重進(jìn)行加權(quán)融合、集成得到大尺度目標(biāo)分類器，記為C_L。

2.根據(jù)權(quán)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(biāo)分類器訓(xùn)練及集成步驟，所述小尺度目標(biāo)分類器訓(xùn)練及集成步驟包括：

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

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

分別設(shè)置第四子分類器C_S1、第五子分類器C_S2所對應(yīng)的權(quán)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(shè)置的權(quán)重進(jìn)行加權(quán)融合、集成得到小尺度目標(biāo)分類器，記為C_S。