一种基于显著直方图特征的行人检测方法及系统技术方案

一种基于显著直方图特征的行人检测方法及系统，训练阶段包括首先分别将样本数据集中每个正样本或负样本归一化为预设尺寸，然后作为输入图像提取特征，根据所得特征训练分类器；正样本的图像包含行人，负样本的图像不包含行人；测试阶段包括对测试数据集中任一测试图像，首先以测试图像为输入图像，分别以输入图像的每个像素为中心建立预设尺寸的局部区域，并提取每个局部区域的特征，然后将每个局部区域的特征输入训练阶段所得分类器，得到各局部区域是否包含行人的分类结果。提取特征时，将梯度的幅值和相应局部区域显著概率值结合成带有显著信息的梯度幅值，然后和梯度的方向形成显著直方图；通过统计显著直方图，形成特征描述。

【技术实现步骤摘要】
一种基于显著直方图特征的行人检测方法及系统
本专利技术涉及目标检测领域，特别涉及一种基于显著直方图特征的行人检测技术方案。
技术介绍
目标检测在计算机视觉中是一个热点，广泛的应用在刑侦监控、特定目标检索、机器人学和智能车辆中；行人在目标检测中又是尤为重要的因素，因此行人检测在近几年的时间里引起了高度重视和研究。但是在不同场景下光照、噪声以及行人的多种姿态变化使行人检测的研究面临很大的挑战。目前大多的行人检测算法都是借助于Dalal-Triggs在文献(“Histogramsoforientedgradientsforhumandetection.InComputerVisionandPatternRecognition”,2005.CVPR2005.IEEEComputerSocietyConferenceon,volume1,pages886-893.)中提出的HOG特征。经过多年的研究，该领域取得了很大的改进。在PiotrDollar的文献(PiotrDollar,ChristianWojek,BerntSchiele,andPietroPerona.Pedestriandete本文档来自技高网...

【技术保护点】
一种基于显著直方图特征的行人检测方法，其特征在于：包括训练阶段和测试阶段，训练阶段包括首先分别将样本数据集中每个正样本或负样本归一化为预设尺寸，然后作为输入图像提取特征，根据所得特征训练分类器；正样本的图像包含行人，负样本的图像不包含行人；提取特征包括进行以下步骤，步骤1.1，对输入图像进行颜色空间的归一化；步骤1.2，以输入图像的每个像素为中心建立预设尺寸的局部区域，获取每个局部区域的显著概率值；步骤1.3，对输入图像进行划分，划分成多个大块，每个大块包括a×a个小块，每个小块中包含b×b个像素，a和b为预设参数；步骤1.4，采集每个像素的梯度的幅值和方向；步骤1.5，对每个像素，将步骤1....

【技术特征摘要】
1.一种基于显著直方图特征的行人检测方法，其特征在于：包括训练阶段和测试阶段，训练阶段包括首先分别将样本数据集中每个正样本或负样本归一化为预设尺寸，然后作为输入图像提取特征，根据所得特征训练分类器；正样本的图像包含行人，负样本的图像不包含行人；提取特征包括进行以下步骤，步骤1.1，对输入图像进行颜色空间的归一化；步骤1.2，以输入图像的每个像素为中心建立预设尺寸的局部区域，获取每个局部区域的显著概率值；步骤1.3，对输入图像进行划分，划分成多个大块，每个大块包括a×a个小块，每个小块中包含b×b个像素，a和b为预设参数；步骤1.4，采集每个像素的梯度的幅值和方向；步骤1.5，对每个像素，将步骤1.4中所得梯度的幅值和步骤1.2中得到的相应局部区域显著概率值结合成带有显著信息的梯度幅值，然后和步骤1.4中得到的梯度的方向形成显著直方图；统计每个像素的显著直方图，形成每个像素的特征描述子；将每个小块中所有像素的特征描述子串联起来，得到各小块的特征描述子；将每个大块中所有小块的特征描述子串联起来，得到各大块的特征描述子；将输入图像中所有大块的特征描述子串联起来，得到该输入图像的特征描述子；测试阶段包括对测试数据集中任一测试图像，首先以测试图像为输入图像，分别以输入图像的每个像素为中心建立预设尺寸的局部区域，并提取每个局部区域的特征，然后将每个局部区域的特征输入训练阶段所得分类器，得到各局部区域是否包含行人的分类结果；提取特征包括进行以下步骤，步骤2.1，对输入图像进行颜色空间的归一化；步骤2.2，以输入图像的每个像素为中心建立预设尺寸的局部区域，获取每个局部区域的显著概率值；步骤2.3，基于以输入图像的每个像素为中心建立的预设尺寸的局部区域，将每个局部区域分别划分成多个大块，每个大块包括a×a个小块，每个小块中包含b×b个像素，a和b为预设参数；步骤2.4，采集每个像素的梯度的幅值和方向；步骤2.5，基于以输入图像的每个像素为中心建立的预设尺寸的局部区域，对每个局部区域分别提取特征如下，对局部区域中每个像素，将步骤2.4中所得梯度的幅值和步骤2.2中得到的显著概率值结合成带有显著信息的梯度幅值，然后和步骤2.4中得到的梯度的方向形成显著直方图；统计每个像素的显著直方图，形成每个像素的特征描述子；将每个小块中所有像素的特征描述子串联起来，便得到各小块的特征描述子；将每个大块中所有小块的特征描述子串联起来，便得到各大块的特征描述子；将局部区域中所有大块的特征描述子串联起来，便得到该局部区域的特征描述子，作为该局部区域的特征。2.根据权利要求1所述基于显著直方图特征的行人检测方法，其特征在于：步骤1.2和2.2中，设归一化后的输入图像记为图像I，图像I的每个像素Ik的显著度Y(Ik)通过下式获得，其中，Ii是图像I的一个像素，d(Ik,Ii)是图像I的两个像素Ik和Ii在色彩LUV空间的距离，N是图像I的像素个数；将每个像素的显著度重新定义为该像素与周围最近的八个像素的显著度求和取平均值的结果，新的显著度计为S(Ik)，设局部区域的显著概率值符合高斯分布，计算显著概率值的式子如下，其中，和σ2分布代表高斯分布的均值和方差，Rk代表以像素Ik为中心的预设尺寸的局部区域；代表局部区域的显著度，σ代表高斯分布的标准方差。3.根据权利要求2所述基于显著直方图特征的行人检测方法，其特征在于：步骤1.4和步骤2.4中，采集每个像素单元中各像素点的梯度的幅值和方向如下，提取位...

【专利技术属性】
技术研发人员：胡瑞敏，方稳华，梁超，王晓，南源源，温屹，陈军，
申请(专利权)人：武汉大学，
类型：发明
国别省市：湖北;42