[發明專利]基于視頻的行人自動檢測與跟蹤方法

在審

• 申請號: 201711058888.4
• 申請日: 2017-11-01
• 公開（公告）號: CN107886060A
• 公開（公告）日: 2018-04-06
• 發明（設計）人: 王拓;羅明奇;周斌;張志海
• 申請（專利權）人: 西安交通大學;西安交通大學蘇州研究院
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62
• 代理公司: 西安通大專利代理有限責任公司61200
• 代理人: 田洲

1.基于視頻的行人自動檢測與跟蹤方法，其特征在于，具體包括以下步驟：

步驟S10：采集在不同姿態、背景、場景、光照條件下的行人圖像序列；

步驟S11：對采集到的圖像序列裁剪、歸一化技術手段處理，建立行人數據庫；

步驟S12：基于梯度直方圖的行人特征描述；

步驟S13：基于網格尋優方式的參數優化；

步驟S14：基于Libsvm平臺的若干弱分類器的訓練；

步驟S15：基于誤差率歸一化系數的強分類器形成；

步驟S16：基于強分類器的新視頻圖像序列中行人的自動檢測和框定；

步驟S17：基于框定行人的實時跟蹤和運行軌跡顯示。

2.根據權利要求1所述的基于視頻的行人自動檢測與跟蹤方法，其特征在于，步驟S10是在假設行人都處于直立或者近似直立的狀態下所采集的不同姿態、背景和光照情形下的行人圖像序列，該圖像序列包含各色行人。

3.根據權利要求1所述的基于視頻的行人自動檢測與跟蹤方法，其特征在于，步驟S11中對所采集的圖像進行裁剪、歸一化技術手段處理，使得這些圖像序列有統一的格式，根據所采集的包含行人的正樣本圖像序列和不包含行人的負樣本圖像序列建立行人數據庫。

4.根據權利要求1所述的基于視頻的行人自動檢測與跟蹤方法，其特征在于，步驟S12是對所建立的行人數據庫采用梯度直方圖特征對各個圖像序列進行描述。

5.根據權利要求1所述的基于視頻的行人自動檢測與跟蹤方法，其特征在于，步驟S13是網格參數尋優，由于使用支持向量機都需要對參數進行設置，重要參數是gamma(-g)和cost(-C)，交叉檢驗參數cross validation(-v)數值選取為5，對于一個給定的問題，事先不知道C和g取多少最優，進行模型選擇即參數搜索，網格搜索就是嘗試各種可能的(C,g)對值，然后進行交叉驗證，找出使交叉驗證精確度最高的(C,g)對，使得分類器能夠精確地預測未知的數據。

6.根據權利要求5所述的基于視頻的行人自動檢測與跟蹤方法，其特征在于，步驟S14使用已經獲得的最佳參數對(C,g)，對整個訓練集進行訓練獲取支持向量機模型，其步驟包括：

S141)采用最佳參數C和g，對整個訓練集進行訓練獲取支持向量機模型；

S142)使用軟件包自帶的數據heart_scale.mat進行學習；

S143)使用網格尋優函數SVMcgForClass得到的參數訓練模型model。

7.根據權利要求1所述的基于視頻的行人自動檢測與跟蹤方法，其特征在于，步驟S15是針對不同弱分類器的分類誤差率，對分類誤差率進行歸一化，選擇歸一化系數對各個分類器進行組合，形成最終的強分類器，其步驟包括：

S151)各個分類器誤差率的計算；

S152)誤差率的歸一化計算；

S153)各個分類器權重和分類的線性組合，形成強分類器。

8.根據權利要求1所述的基于視頻的行人自動檢測與跟蹤方法，其特征在于，步驟S16是對新視頻圖像序列中行人的自動檢測和框定，主要步驟包括：

S161)使用強分類器對新圖像序列進行行人檢測；

S162)對檢測到的行人進行框定標注顯示。

9.根據權利要求1所述的基于視頻的行人自動檢測與跟蹤系統，其特征在于，步驟S17是對框定的行人進行實時跟蹤，其步驟包括：

S171)對框定行人目標進行自適應分塊；

S172)對各個分塊進行直方圖特征描述；

S173)使用Mean Shift算法進行跟蹤；

S174)根據跟蹤結果標注顯示行人運行軌跡。