行人检测方法及系统技术方案

本发明专利技术提出了一种行人检测方法，包括以下步骤：提取训练样本的方向梯度直方图HOG特征向量，并对所述HOG特征向量进行分解以得到HOG-NMF特征向量；根据所述HOG-NMF特征向量和加性交叉核函数构造支持向量机SVM分类器；对采样图像的扫描窗口进行筛选以得到候选样本；获取所述候选样本的HOG-NMF特征向量；以及根据所述SVM分类器对所述候选样本的HOG-NMF特征向量进行识别以得到行人检测结果。根据本发明专利技术的方法，可有效缩减行人检测时间，具有检测效率高、检测精度高的优点。本发明专利技术还提出了一种行人检测系统。

【技术实现步骤摘要】

本专利技术涉及汽车安全
，特别涉及一种行人检测方法及系统。
技术介绍
为了保证车辆安全，越来越多的车辆上安装行人检测装置，以提醒驾驶员车辆周 围是否有行人。但是由于行人本身及其周围环境的特点，要做到更加准确、实时地检测仍是 一个困难任务。这主要是因为行人是一种非刚性的物体，站立角度、衣着、遮挡等情况的不 同，导致了行人检测的复杂性；另外摄影角度和属性、光照角度和强度、周边物体的多样性 等也给目标的精确检测带来一定的难度。在基于统计学习的方法中，行人检测可以被看作 是一个二分类问题，要解决行人检测面临的难点，就需要从特征提取和模式分类两个方面 入手：（1)如何充分描述行人所具备的特征，使之能够与其它物体区分开来；（2)如何从特 征数据中快速准确地将数据进行分类，得到最终的检测结果。 常用描述行人的特征有Haar-Iike矩形特征，方向梯度直方图（Histograms of Oriented Gradient, HOG)特征，基于Gabor滤波器的皮层特征，流形特征，形状特征和颜色 特征等。其中Haar-Iike矩形特征描述的是刚性物体的灰度特征，其与AdaBoost分类器的 结合在人脸检测中取得了巨大成功，但对于行人检测却存在一定程度的局限性。HOG特征反 映物体的形状和梯度信息，可以降低不同衣着、光照、姿势带来的干扰，在行人检测中使用 较为普遍。然而对于指定尺寸的样本集，HOG特征的不足之处在于其维数较高，导致训练速 度较低。 常用的分类学习方法有Adaboost集成学习，支持向量机（Support Vector Machine，SVM)，神经网络等。在驾驶辅助系统等应用中对行人检测系统的实时性与鲁棒性 要求非常苛刻，要求很低的误警率与虚警率，现有方法的计算复杂度普遍较高，难以满足实 时应用的需求。
技术实现思路
本专利技术的目的旨在至少解决所述技术缺陷之一。 为此，本专利技术的一个目的在于提出一种行人检测方法，该方法可有效缩减行人检 测时间，具有检测效率高、检测精度高的优点。 本专利技术的另一个目的在于提出一种行人检测系统。 为达到上述目的，本专利技术的第一方面的实施例公开了一种行人检测方法，包括以 下步骤：提取训练样本的方向梯度直方图HOG特征向量，并对所述HOG特征向量进行分解 以得到HOG-NMF特征向量；根据所述HOG-NMF特征向量和加性交叉核函数构造支持向量 机SVM分类器；对采样图像的扫描窗口进行筛选以得到候选样本；获取所述候选样本的 HOG-NMF特征向量；以及根据所述SVM分类器对所述候选样本的HOG-NMF特征向量进行识 别以得到行人检测结果。 根据本专利技术实施例的方法，通过对候选样本的帅选、HOG特征的降维以及采用加性 交叉核SVM相结合的处理方式，使支持向量机SVM分类器对行人识别，可有效缩减检测时 间，具有检测效率1?、检测精度1?的优点。 本专利技术第二方面的实施例公开了一种行人检测系统，包括：特征提取模块，用于 提取训练样本的方向梯度直方图HOG特征向量，并对所述HOG特征向量进行分解以得到 HOG-NMF特征向量，以及获取候选样本的HOG-NMF特征向量；分类器训练模块，用于根据所 述HOG-NMF特征向量和加性交叉核函数构造支持向量机SVM分类器；预处理模块，用于对采 样图像的扫描窗口进行筛选以得到候选样本；分类器识别模块，用于根据所述SVM分类器 对所述候选样本的HOG-NMF特征向量进行识别以得到行人检测结果。 根据本专利技术实施例的系统，通过对候选样本的帅选、HOG特征的降维以及采用加性 交叉核SVM相结合的处理方式，使支持向量机SVM分类器对行人识别，可有效缩减检测时 间，具有检测效率1?、检测精度1?的优点。 本专利技术附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变 得明显，或通过本专利技术的实践了解到。【附图说明】 本专利技术所述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变 得明显和容易理解，其中： 图1是根据本专利技术一个实施例的行人检测方法的流程图； 图2A和图2B是应用本专利技术一个实施例的行人检测方法得到的采样图像和显著 图； 图3A和图3B是应用本专利技术一个实施例的行人检测方法得到的行人检测结果的示 意图； 图4是根据本专利技术一个实施例的行人检测系统的结构框图；以及 图5是根据本专利技术一个实施例的行人检测系统的对行人检测的步骤图。【具体实施方式】 下面详细描述本专利技术的实施例，所述实施例的示例在附图中示出，其中自始至终 相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附 图描述的实施例是示例性的，仅用于解释本专利技术，而不能解释为对本专利技术的限制。 在本专利技术的描述中，需要理解的是，术语"纵向"、"横向"、"上"、"下"、"前"、"后"、 "左"、"右"、"坚直"、"水平"、"顶"、"底" "内"、"外"等指示的方位或位置关系为基于附图所 示的方位或位置关系，仅是为了便于描述本专利技术和简化描述，而不是指示或暗示所指的装 置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本专利技术的限 制。 在本专利技术的描述中，需要说明的是，除非另有规定和限定，术语"安装"、"相连"、 "连接"应做广义理解，例如，可以是机械连接或电连接，也可以是两个元件内部的连通，可 以是直接相连，也可以通过中间媒介间接相连，对于本领域的普通技术人员而言，可以根据 具体情况理解所述术语的具体含义。 以下结合附图描述根据本专利技术实施例的行人检测方法及系统。 图1是根据本专利技术一个实施例的行人检测方法的流程图。如图1所示，根据本发 明一个实施例的行人检测方法，包括如下步骤： 步骤SlOl :提取训练样本的方向梯度直方图HOG特征向量，并对HOG特征向量进 行分解以得到HOG-NMF特征向量。 HOG特征（H0G特征向量）在近年来成为行人识别的主流特征。HOG特征将图像划 分成相邻重合度二分之一的图像块，每块再划分互不重叠的单元，在每个单元内计算梯度 方向，并将〇°到180°划分成9个区间，每个单元可以形成一个9维特征向量，由于HOG特 征计算的理论与应用已经非常成熟，这里不再赘述。 HOG特征的维数较大，例如：典型的128*64大小的图像形成的HOG特征向量为 3780维，对其进行降维处理（以下以NMF方法进行降维进行说明），形成HOG-NMF特征 (H0G-NMF特征向量）。NMF是在矩阵中所有元素均为非负数约束条件之下的矩阵分解方 法，这种非负性条件符合许多实际问题的要求，如图像、视频和Web数据等。NMF方法是在 一定代价函数约束下的最优化过程，可通过迭代运算求其近似解，作为一个具体的示例， HOG-NMF特征向量的计算步骤如下： 1、对训练样本进行Ga_a校正。从而可统一训练样本的图像亮度值，使其不受光 照等因素影响。 2、从校正后的训练样本中提取HOG特征向量。 3、将HOG特征向量转换为的矩阵。例如：设H是长为1的HOG特征向量，将其取绝 对值并转换为mXn的矩阵C，其中，I = mXn，m>n，m表示矩阵C的行数，η表示矩阵C的列 数。 4、利用非负矩阵分解NMF方法对矩阵进行秩分解，其中，秩小于矩阵的行数。例 如：对矩阵C进本文档来自技高网...

【技术保护点】
一种行人检测方法，其特征在于，包括以下步骤：提取训练样本的方向梯度直方图HOG特征向量，并对所述HOG特征向量进行分解以得到HOG‑NMF特征向量；根据所述HOG‑NMF特征向量和加性交叉核函数构造支持向量机SVM分类器；对采样图像的扫描窗口进行筛选以得到候选样本；获取所述候选样本的HOG‑NMF特征向量；以及根据所述SVM分类器对所述候选样本的HOG‑NMF特征向量进行识别以得到行人检测结果。

【技术特征摘要】

【专利技术属性】
技术研发人员：姜波，黄忠伟，
申请(专利权)人：比亚迪股份有限公司，
类型：发明
国别省市：广东;44