[發明專利]一種基于深度圖與特征融合的行人檢測方法

在審

• 申請號: 201910282728.0
• 申請日: 2019-04-10
• 公開（公告）號: CN110020627A
• 公開（公告）日: 2019-07-16
• 發明（設計）人: 張江鑫;吳穎
• 申請（專利權）人: 浙江工業大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/46;G06K9/62
• 代理公司: 杭州斯可睿專利事務所有限公司 33241
• 代理人: 王利強

一種基于深度圖與特征融合的行人檢測方法，包括以下步驟：S1從視頻中獲取顏色圖和深度圖，并對圖像進行預處理；S2在混合高斯背景建模的基礎上進行陰影檢測，提取出前景目標；S3提取顏色圖的HOG特征和深度圖的CLBC特征，通過并行方式將兩個特征進行融合得到融合特征；S4將融合特征輸入到分類器中進行分析處理，判斷是否有行人，完成檢測。本分賣給你將顏色圖的HOG特征和深度圖的CLBC特征相融合，有效地克服了由于行人的身材、姿勢、視角和衣著、光照等因素產生的干擾，能夠更準確的從視頻中將行人檢測出來。

技術領域

本發明涉及計算機視覺和圖像處理領域，具體涉及一種基于深度圖與特征融合的行人檢測方法。

背景技術

在計算機視覺領域中，行人檢測是目標檢測的一個重要研究熱點，其主要利用各種傳感器獲取行人的數據信息，通過圖像處理及模式識別等算法從圖像數據中檢測出行人。它與車輛輔助駕駛、智能視頻監控和人體行為分析、航拍圖像等領域息息相關。

目前，較為經典的行人檢測方法有HOG和SVM分類器結合的行人檢測方法以及基于HOG-LBP特征的行人檢測方法。傳統的基于HOG與LBP的特征融合行人檢測方法光譜信息損失多、對噪聲較為敏感，原始的LBP算法對不均勻的光照變化魯棒性差，對紋理特征的旋轉不變性差。

與普通灰色圖相比，深度圖像中沒有光照、陰影及物體表面的紋理所產生的干擾，可以得到可靠的三維物體幾何信息。利用HOG特征與圖像深度信息進行行人檢測、跟蹤，有效的克服了由于行人的身材、姿勢、視角和衣著、光照等因素產生的干擾，能夠更準確的從視頻中將行人檢測出來。，能夠更準確的從視頻中將行人檢測出來。

發明內容

為了克服現有行人檢測中復雜背景所產生的干擾的不足，本發明提供了一種基于基于深度圖與特征融合的行人檢測方法，使行人具有更強的表征能力，在復雜背景下行人檢測的準確率明顯提高。

本發明的目的主要是通過以下技術方案實現的：

一種基于深度圖與特征融合的行人檢測方法，包括以下步驟：

S1:獲取顏色圖和深度圖，并對圖像進行預處理；

S2:在混合高斯背景建模的基礎上進行陰影檢測，提取出前景目標，過程如下：

S2-1：使用混合高斯模型，計算觀測點x_t處像素的混合高斯分布概率密度函數，公式如下：

其中k為分布模式總數，η(x_t,μ_i,t,τ_i,t)為t時刻第i個高斯分布，μ_i,t為其均值，τ_i,t為其協方差矩陣，δ_i,t為方差，I為三維單位矩陣，w_i,t為t時刻第i個高斯分布的權重；

S2-2：通過指定的距離閾值選擇與新觀測點最佳匹配的高斯分布，并標記其位置為k_hit，用如下公式定量分析新值與高斯分布的距離：

其中μ_t-1，∑_t-1分別是每個單高斯分布的均值與協方差矩陣，x_t就是t時刻新的觀測值，更新各高斯分布對應權值系數的值：

S2-3:如果沒有滿足條件的高斯分布，則重新初始化一個新的高斯分布，替換權值最小的分布，同時單高斯分布依據w_k,t-1/σ值降序重新排序，而對于核心高斯分布，通過如下的公式選擇：