[發(fā)明專利]一種基于改進(jìn)HOG?SSLBP的行人檢測方法

在審

• 申請?zhí)枺?/td>: 201711084863.1
• 申請日: 2017-11-07
• 公開（公告）號: CN107886066A
• 公開（公告）日: 2018-04-06
• 發(fā)明（設(shè)計）人: 程德強;唐世軒;李巖;寇旗旗;姚潔;劉海;白春夢;李騰騰;趙廣源
• 申請（專利權(quán)）人: 中國礦業(yè)大學(xué)
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62
• 代理公司: 北京天達(dá)知識產(chǎn)權(quán)代理事務(wù)所(普通合伙)11386
• 代理人: 龐許倩,牟姣

1.一種基于改進(jìn)HOG-SSLBP的行人檢測方法，其特征在于，具體包括以下步驟：

獲取待檢測圖像序列；

提取上述圖像序列的SSLBP特征和HOG特征并進(jìn)行融合，得到融合特征；

利用訓(xùn)練好的HIK SVM分類器對上述融合特征進(jìn)行分類，獲得行人檢測結(jié)果。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述提取圖像序列的SSLBP特征具體包括以下步驟：

使用CLBP提取尺度敏感特征；

應(yīng)用尺度選擇方案對上述得到尺度敏感特征進(jìn)行處理，獲得SSLBP特征。

3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述尺度選擇方案，具體包括以下步驟：

使用高斯濾波器獲得圖像的尺度空間；

構(gòu)建上述尺度空間中僅包含主導(dǎo)模式的每個圖像的局部模式直方圖；

對于每個主導(dǎo)模式，選擇不同尺度之間的最大發(fā)生頻率；

利用上述選擇的最大發(fā)生頻率構(gòu)建得到新的特征直方圖，所述新的特征直方圖作為圖像的尺度不變特征。

4.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述主導(dǎo)模式通過以下步驟確定：

通過二維高斯濾波器得到訓(xùn)練樣本集的尺度空間；

對于上述每個尺度空間中的圖像，構(gòu)建局部模式直方圖；

對于每個模式，選擇不同尺度之間的最大發(fā)生頻率；

利用上述選擇的最大發(fā)生頻率構(gòu)建得到新的特征直方圖；

對上述得到的新的特征直方圖進(jìn)行降序分類，選擇具有高平均頻率的模式為主導(dǎo)模式。

5.根據(jù)權(quán)利要求1～4之一所述的方法，其特征在于，所述HIK SVM分類器，訓(xùn)練過程具體包括以下步驟：

輸入訓(xùn)練樣本集；

提取訓(xùn)練樣本的SSLBP特征和HOG特征并進(jìn)行融合，得到樣本的融合特征；

利用上述融合特征對HIK SVM分類器進(jìn)行訓(xùn)練。

6.根據(jù)權(quán)利要求5所述的方法，其特征在于，所述提取訓(xùn)練樣本的SSLBP特征具體包括以下步驟：

使用CLBP提取訓(xùn)練樣本的尺度敏感特征；

應(yīng)用尺度選擇方案對上述得到的尺度敏感特征進(jìn)行處理，獲得訓(xùn)練樣本的SSLBP特征。

7.根據(jù)權(quán)利要求4所述的方法，其特征在于，所述使用CLBP提取尺度敏感特征，具體地，建立二維聯(lián)合直方圖“CLBP_S/C”或“CLBP_M/C”，作為尺度敏感特征。

8.根據(jù)權(quán)利要求7所述的方法，其特征在于，所述提取HOG特征具體包括以下步驟：

對待檢測圖像進(jìn)行歸一化處理；

利用一階微分計算上述歸一化處理后的圖像的梯度；

基于上述計算得到的梯度幅值進(jìn)行方向權(quán)重投影，得到特征向量；

對上述特征向量進(jìn)行歸一化處理，得到HOG特征。

9.根據(jù)權(quán)利要求8所述的方法，其特征在于，所述得到融合特征，具體地，將提取的待檢測圖像的SSLBP特征和HOG特征按串行融合。

10.根據(jù)權(quán)利要求9所述的方法，其特征在于，對于得到的融合特征，使用主成分分析法降維。