[發明專利]融合彩色圖像邊緣和深度方向直方圖的行人檢測算法

在審

• 申請號: 201810517891.6
• 申請日: 2018-05-25
• 公開（公告）號: CN108830179A
• 公開（公告）日: 2018-11-16
• 發明（設計）人: 張雄;上官宏;張嬌;王安紅;寧愛平;武曉嘉
• 申請（專利權）人: 太原科技大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/46;G06K9/62
• 代理公司: 北京國坤專利代理事務所(普通合伙) 11491
• 代理人: 趙紅霞

本發明融合彩色圖像邊緣和深度方向直方圖的行人檢測算法屬于行人檢測算法領域，解決了現有算法在彩色圖像上提取的特征很大程度忽略了行人的結構性質，以及由于彩色圖像本身對于一些非理想條件有固有的不足，只對彩色圖像提取特征易導致魯棒性差等問題。本發明將彩色RGB圖像和其對應的深度圖像當做一個圖像對，對彩色圖像通過剪切波變換提取邊緣特征，對深度圖像提取深度方向直方圖(HOD,Histogram of Oriented Depths)特征，把這兩個特征融合作為新的行人特征描述子，并將其輸入SVM分類器中進行訓練，得到對應的分類器，然后將測試圖片輸入該分類器中檢測行人位置。

技術領域

本發明屬于行人檢測算法領域，特別是涉及一種融合彩色圖像邊緣和深度方向直方圖的行人檢測算法。

背景技術

行人檢測是利用計算機視覺判斷圖像或視頻序列中是否存在行人并給予精確定位的過程。在交通安全、視頻智能監控、智能機器人、圖像檢索等領域都有著廣泛的應用前景。由于行人的非剛體性以及其衣著身材等都存在差異，以致行人的外觀千差萬別，這給檢測帶來很大的挑戰。為了準確地檢測到行人的位置，目前有以下幾種常用的檢測方式：

(1)對彩色圖像提取單特征。Dalal等人提出了利用梯度方向直方圖特征(Histogram of Oriented Gradient，HOG)檢測人體，它是目前使用較廣泛的行人檢測算法。HOG基于梯度信息并允許塊間相互重疊，可以有效應對遮擋、光照等變化，檢測效果非常魯棒。MuY等人將局部二值模式特征(LBP)與SVM分類器結合用于行人檢測，計算速度很快。但這些特征都比較單一，有其自身的局限性。

(2)對彩色圖像提取多特征。Wang等人將梯度直方圖特征(HOG)和局部二值模式特征(LBP)融合起來用于行人檢測。Tuzel等利用各種不同特征(象素的坐標、灰度的一階導數、二階導數和梯度方向等)的協方差矩陣來描述行人的局部區域特征。通過特征的融合，實現了對行人更詳細的描述，但是由于用的圖像是RGB彩色圖像，容易受到光照、遮擋等因素的影響，這對檢測的魯棒性和準確性影響較大。

(3)加入了深度圖像后提取多特征。Spinello等人于2011年將深度圖像引入行人檢測中，在HOG的基礎上提出了梯度方向直方圖(HOD)特征，對它們作加權融合，實現行人檢測。王寧波等人對HOG、HOD、PDSS(pyramid depth self-similarities)特征進行了融合，檢測效果良好。彩色圖像的顏色、紋理信息非常豐富，但對光照條件有較高要求，而深度圖像對光照變化具有不變性，可以與彩色圖像優勢互補，將其結合起來用作檢測可以提高檢測效率。但是對彩色圖像用梯度直方圖描述，一方面只顯示了局部紋理而沒有結構性質，當存在噪聲或邊緣曲線不規則時，梯度會受到影響；另一方面梯度信息是近似為有限差分，描述不準確。

為了有效應對噪聲環境，對彩色圖像提取的特征就需要能對行人的結構輪廓作準確的描述。而剪切波變換通過各向異性、多尺度的變換，可以完全捕捉到方向和其他幾何特征，能夠準確描述行人的結構性質，削弱噪聲、尺度、遮擋等方面的影響。

發明內容

本發明克服了現有技術存在的不足，解決了現有行人檢測算法大多只關注局部特性而忽略整體結構導致檢測對噪聲、遮擋、光照不魯棒問題，旨在提供一種融合彩色圖像邊緣和深度方向直方圖的行人檢測算法，本發明融合了對彩色圖像利用剪切波提取的邊緣特征以及深度直方圖特征作為新的特征描述子，結合SVM分類器，進行行人檢測。融合彩色圖像邊緣和深度方向直方圖特征的描述子對行人的描述更具體、更精確，對復雜環境、存在遮擋等情況下的檢測效果更加魯棒。

為解決上述技術問題，本發明采用的技術方案為：融合彩色圖像邊緣和深度方向直方圖的行人檢測算法，具體步驟如下：

步驟1)輸入待測試圖片對，圖片對包括一個RGB圖像和一個深度圖像；

步驟2)對該測試圖片對進行尺度縮放，直到圖片尺寸小于固定的窗口大小；