[發明專利]一種行人檢測方法

在審

• 申請號: 201810326872.5
• 申請日: 2018-04-12
• 公開（公告）號: CN108549868A
• 公開（公告）日: 2018-09-18
• 發明（設計）人: 程德強;唐世軒;李巖;趙凱;高蕊;李騰騰;賴偉
• 申請（專利權）人: 中國礦業大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/46;G06K9/62
• 代理公司: 北京天達知識產權代理事務所(普通合伙) 11386
• 代理人: 龐許倩;龔頤雯

本發明涉及一種行人檢測方法，屬于檢測技術領域，解決了現有技術中實時性差、難以處理遮擋、不適用光照變化明顯且噪聲較強場合的問題。所述方法包括如下步驟：輸入圖像，獲取其像素點灰度值；根據所述像素點灰度值獲取三種CRLBP算子，得到CRLBP紋理特征譜；計算輸入圖像的HOG特征、CRLBP直方圖特征、CRLBP紋理特征譜的HOG特征；將輸入圖像的HOG特征、CRLBP直方圖特征、CRLBP紋理特征譜的HOG特征進行融合，得到圖像描述子；然后，使用主成分分析法對圖像描述子進行降維，并對降維結果使用分類器實現行人檢測和識別。本發明檢測效率高，實時性好，且對光照和噪聲具有良好的魯棒性。

技術領域

本發明涉及檢測技術領域，尤其涉及一種行人檢測方法。

背景技術

行人檢測作為檢測技術的一種，已經在汽車駕駛輔助、視頻監控系統和基于內容的視頻檢索等領域得到了廣泛的應用。行人檢測可看作是特征提取和分類器相結合的過程，目的是從一個未知的視頻或圖像中，自動分析并檢測出其中存在的行人。

目前，較為經典的行人檢測方法包括：方向梯度直方圖(HOG)描述子與支持向量機(SVM)分類器相結合的行人檢測方法，利用可變部件模型(DPM)與HOG描述子相結合檢測粘連現象嚴重的行人的方法，以及基于HOG-LBP特征的行人檢測方法。

上述三種方法都使用了HOG描述子。但HOG描述子生成過程冗長，導致上述三種方法速度慢、實時性差，很難處理遮擋問題，且對噪點過于敏感。局部二值模式(LBP)作為一種描述圖像局部紋理特征的算子，用于提取紋理特征時，具有旋轉不變性和灰度不變性等顯著優點，但LBP對噪聲也很敏感，且相同的二進制碼可能表征不同的結構模式(例如，灰度值分別為40和45的兩個像素點，按順時針順序，其中，第一個像素點相鄰像素灰度值為41、45、48、35、30、30、25、15，第二個像素點的相鄰像素灰度值為48、49、50、10、42、12、41、44，這是兩種不同的結構模式，但是這兩個像素點的LBP值均為11100000)，對于圖像中存在光照變化明顯且噪聲較強時行人檢測問題取得的檢測效果一般。

發明內容

鑒于上述的分析，本發明實施例旨在提供一種行人檢測方法，用以解決現有現有技術中實時性差、難以處理遮擋、不適用光照變化明顯且噪聲較強場合的問題。

本發明實施例提供了一種行人檢測方法，包括如下步驟：

輸入圖像，獲取其像素點灰度值；

根據所述像素點灰度值獲取三種CRLBP算子，得到CRLBP紋理特征譜；

計算所述輸入圖像的HOG特征；計算所述CRLBP紋理特征譜的HOG特征；計算CRLBP直方圖特征；

將所述輸入圖像的HOG特征、所述CRLBP紋理特征譜的HOG特征、所述CRLBP直方圖特征進行融合，得到圖像描述子；

使用主成分分析法對所述圖像描述子進行降維，對降維結果使用分類器實現行人檢測和識別。

上述技術方案的有益效果如下：不同于剛性目標具有固定的形狀和空間結構，行人目標存在著形變、部分遮擋和觀察角度變化等問題會影響檢測效果。本發明采用完整魯棒局部二值模式(CRLBP)的方法，并采用主成分分析法降維，不但增強了尺度不變形，提高了檢測對光照和噪聲的魯棒性，解決了不同結果具有相同編碼的問題，而且在保留原始圖像和紋理特征譜的同時，提升了運算效率，提高了方法的實時性，使得檢測效果更佳。

基于上述方法的另一個實施例中，具體指出，所述三種算子包括：

RLBP算子，計算公式如下