[發(fā)明專利]一種行人識別及定位方法

在審

• 申請?zhí)枺?/td>: 201811337935.3
• 申請日: 2018-11-12
• 公開（公告）號: CN109614870A
• 公開（公告）日: 2019-04-12
• 發(fā)明（設(shè)計）人: 張軍;陳偉能;詹志輝;余維杰
• 申請（專利權(quán)）人: 華南理工大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/32;G06K9/62
• 代理公司: 廣州市華學知識產(chǎn)權(quán)代理有限公司 44245
• 代理人: 劉巧霞

本發(fā)明公開了一種行人識別及定位方法，包括訓練階段和檢測階段，訓練階段具體包括以下步驟：制作正樣本集和負樣本集；提取樣本的HOG特征向量；訓練SVM分類器。檢測階段包括：輸入待識別定位圖像；檢測個體對應(yīng)圖像的一個矩形區(qū)域；提取矩形區(qū)域的HOG特征向量；利用線性SVM分類器判定矩形窗口是否包含行人；當已經(jīng)檢測完圖像中所有的矩形區(qū)域時，輸出檢測結(jié)果，否則繼續(xù)檢測圖像。本發(fā)明基于HOG?SVM行人識別框架及多峰分布估計算法MEDA識別，在獲得更快的檢測速度的同時獲得更準確的檢測結(jié)果。

技術(shù)領(lǐng)域

本發(fā)明涉及計算機視覺以及智能進化算法兩個領(lǐng)域，特別涉及一種基于HOG-SVM行人識別框架及多峰分布估計算法MEDA的識別及定位行人方法。

背景技術(shù)

行人識別是目前計算機視覺的一個十分重要也非常富有挑戰(zhàn)性的一個問題。近十年來，憑借著在智能機器人、智能駕駛、智能監(jiān)控系統(tǒng)等領(lǐng)域起到越來越重要的作用，越來越多的科研者投入到行人識別的研究工作中。

總的來說，行人識別可以分成兩個主要的研究方向。其一是提出新的行人特征描述符，行人特征描述符的作用是從圖像中提取特征，將行人與其他物體區(qū)分開，目前流行的行人特征描述符有HaarWavelet、Learning Shapelet、Histogram of Oriented Gradient(HOG)、self-similarity on color channels(CSS)等，其中，憑借著對光照變化及行人動作的細微改變的魯棒性，HOG成為了目前最熱門的行人特征描述符。其二是研究如何定位圖像中的行人，即研究如何在一整幅圖像找到其所有行人，目前最普遍使用的定位方法是利用滑動窗口去遍歷整幅圖像，輸出所有包含行人的矩形區(qū)域。

基于上述兩個研究方向，研究人員已經(jīng)提出了許多可行的方法。其中最常見、最基本的行人識別方法是由Dalal和Triggs于2005年提出的HOG-SVM算法，Dalal和Triggs將他們提出的HOG特征描述符與線性SVM分類器相結(jié)合構(gòu)成HOG-SVM行人識別框架，并利用滑動窗口定位行人，此框架能夠很好地完成行人識別這一任務(wù)。雖然HOG-SVM在行人識別問題上能夠取得較好的效果，但是HOG-SVM在檢測率及檢測速度上仍具有非常大的改善空間。

為了提高HOG-SVM的檢測效率，研究人員已經(jīng)為此進行了大量的工作。其中，Watanabe等人利用co-HOG，即“梯度對”，代替HOG去描述行人的特征。此外，Walk等人提出一種新的特征描述符——區(qū)域顏色的自相似性，作為HOG的補充特征。以上工作都能很好地提高經(jīng)典HOG-SVM算法的精度，但是隨之也降低了算法的檢測速度。

為了提高HOG-SVM的檢測速度，Zhu等人提出利用積分直方圖來快速計算行人的HOG特征，并且在Adaboost的基礎(chǔ)上構(gòu)建級聯(lián)的分類器，Zhu等人的研究能很好地加速傳統(tǒng)HOG-SVM的檢測過程，但其訓練時間也大大增加。為在不影響訓練速度的前提下提高算法的檢測速度，一部分研究人員將目光轉(zhuǎn)移到元啟發(fā)式算法上。