[發明專利]一種行人檢測方法

在審

• 申請號: 201910086310.2
• 申請日: 2019-01-29
• 公開（公告）號: CN109948432A
• 公開（公告）日: 2019-06-28
• 發明（設計）人: 潘鈺華
• 申請（專利權）人: 江蘇裕蘭信息科技有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62
• 代理公司: 寧波象山甬恒專利代理事務所(普通合伙) 33270
• 代理人: 顧賽喜

1.一種行人檢測方法，其特征在于，包括步驟：

S100訓練SVM分類器，以人頭和雙腿為正樣本，以行人背景作為負樣本，訓練兩個SVM分類器；

S200將待檢測的圖像構造圖像金字塔；

S300滑動窗口，在圖像金字塔的各個尺度上截取目標窗口；

S400對目標窗口提取HOG特征；

S500將S400中提取的HOG特征送入SVM分類器中，分類判斷目標窗口是行人的頭部、行人的雙腿或行人背景；

S600根據S500中檢測到的頭部和雙腿結果來組合行人，判斷待檢圖像中是否含有行人。

2.根據權利要求1所述的行人檢測方法，其特征在于，所述步驟S200具體包括步驟：對圖像進行下采樣或上采樣，降低圖像的分辨率，識別不同尺度的目標，其中，金字塔的底部是待處理圖像的高分辨率表示，頂部是低分辨率的近似。

3.根據權利要求1所述的行人檢測方法，其特征在于，所述步驟S500具體包括步驟：將提取的HOG特征送入訓練的兩個SVM分類器，其中一個SVM分類器負責判斷是否是行人的頭部，如果是則終止判別并記錄下坐標值，如果不是則送入下一個SVM分類器，判斷是否是行人的雙腿，如果是記錄下坐標值，兩個都不是則判斷為行人背景。

4.根據權利要求2所述的行人檢測方法，其特征在于，所述步驟S500具體包括步驟：將提取的HOG特征送入訓練的兩個SVM分類器，其中一個SVM分類器負責判斷是否是行人的頭部，如果是則終止判別并記錄下坐標值，如果不是則送入下一個SVM分類器，判斷是否是行人的雙腿，如果是記錄下坐標值，兩個都不是則判斷為行人背景。

5.根據權利要求1～4中任一所述的行人檢測方法，其特征在于，所述步驟S100中的訓練SVM分類器包括步驟：

S110截取正樣本，正樣本是在行人正樣本的基礎上裁剪出行人的頭部；

S120再裁剪出行人的雙腿，采集的雙腿要求站立，為基本垂直的雙腿；

S130訓練出兩個SVM分類器，其中一個SVM分類器識別是否是行人頭部，另一個SVM分類器識別是否是行人的雙腿。

6.根據權利要求5所述的行人檢測方法，其特征在于，所述步驟S600將檢測到的行人頭部和雙腿進行組合，通過非極大值抑制的方法，選出最優框，其中，所述非極大值抑制的過程是一個迭代-遍歷-消除的過程，其包括步驟：

S610將所有框的得分排序，選中最高分及其對應的框；

S620遍歷其余的框，如果和當前最高分框的重疊面積大于一定閾值，將此框刪除；

S630從未處理的框中繼續選一個得分最高的，重復上述過程。

7.根據權利要求6所述的行人檢測方法，其特征在于，所述步驟S100中的SVM設置參數如下：

svm->setType(cv::ml::SVM::Types::C_SVC)；//選擇opencv的C類支持向量機，n類分組(n\geq 2)，允許用異常值懲罰因子C進行不完全分類；

svm->setKernel(cv::ml::SVM::KernelTypes::POLY)；//采用多項式核函數，opencv中定義的多項式和函數為：K(x,y)＝(gamma x^T y+coef0)^degree；

svm->setDegree(10.0)；//設置多項式核函數的degree為10；

svm->setGamma(0.09)；//設置多項式核函數的gamma為0.09；

svm->setCoef0(1.0)；//設置多項式核函數的coef0為1；

svm->setC(10.0)；//設置的錯誤代價參數C為10。

8.根據權利要求7所述的行人檢測方法，其特征在于，所述步驟S400中的HOG特征提取算法的實現過程，包括步驟：

S410灰度化；

S420采用Gamma校正法對輸入圖像進行顏色空間的標準化；

S430計算圖像每個像素的梯度，包括大小和方向；

S440將圖像劃分成小細胞單元；

S450統計每個細胞單元的梯度直方圖，形成每個細胞單元的描述符；

S460將每幾個細胞單元組成一個區間，一個區間內所有細胞單元的特征描述符串聯起來便得到所述區間的HOG特征描述符；

S470將圖像內的所有區間的HOG特征描述符串聯起來得到所述圖像的HOG特征描述符，這個就是最終的可供分類使用的特征向量。