The invention discloses a video pedestrian detection method based on neural network, which comprises the following steps: step S1: a frame image in the video; step S2: the current frame image and background image contrast and then generate a foreground object image and the expansion of corrosion operation; step S3: the prospect of moving object image normalized; step S4: extract HOG and LUV feature in the foreground moving objects in the image; step S5: HOG and LUV features of input has been learning and the trained neural network and the neural network processing to detect pedestrian position. The invention is based on HOG SVM algorithm of large amount of calculation, the calculation speed is slow, the use of neural network algorithm instead of SVM classifier, using the HOG and LUV feature to describe the image, while ensuring the accuracy of the processing speed is improved; and make full use of the mixed Gauss background subtraction method to filter the background image; the algorithm fast computation speed. High accuracy.
【技术实现步骤摘要】
一种基于神经网络的视频行人检测方法
本专利技术属于智能视频监控领域,尤其涉及一种基于神经网络的视频行人检测方法。
技术介绍
行人检测是一种在待检测的图像或者视频中发现行人并反馈行人位置信息和相对大小的方法。近年来行人检测在计算机视觉领域受到足够关注和重视,并且取得了很大的发展,使得行人检测的实用性获得增强。但是,在图像或视频内的行人由于运动形态、服饰穿着、拍摄时机等影响,行人的形态存在较大的变化。因此行人检测也成为了计算机视觉领域的一个研究难点。目前有多种检测行人的方法,其中基于机器学习的检测方法比例最大。该方法包括以下两方面:特征描述算子和学习算法。特征描述算子有haar小波、HOG(HistogramofOrientedGradient)、LBP(LocalBinaryPattern)、Shapelet特征以及边缘特征(edgelet)等。学习算法有支持向量机(SVM)、神经网络等。现有的主流技术解决方案是采用HOG特征+SVM分类器的方法,该方法采取对图像采用不同大小框架扫描,对每一幅扫描获得的图像提取HOG特征并利用训练好的SVM分类器对提取的特征进行分类,由于HOG特征在光照和偏移量上有较好的鲁棒性等特点,具有最佳的代表性。但由于采用了扫描的方法提取图像,造成了效率上的大浪费,并且在SVM的处理中计算量大,导致其计算速度不理想。同时由于只使用了一种特征,对行人的特征描述不够全面,在某些特殊场合的检测正确率偏低。故,针对目前现有技术中存在的上述缺陷,实有必要进行研究,以提供一种方案,解决现有技术中存在的缺陷。
技术实现思路
有鉴于此,确有必要提供一种检 ...
【技术保护点】
一种基于神经网络和双特征融合的视频行人检测方法,其特征在于,包括以下步骤:步骤S1:提取视频中的一帧图像;步骤S2:将当前帧图像与已有背景图像对比进而生成前景运动对象图像并进行膨胀腐蚀运算;步骤S3:将前景运动对象图像进行归一化处理;步骤S4:在前景运动对象图像中提取HOG特征和LUV特征;步骤S5:将HOG特征和LUV特征输入预先已学习和训练好的神经网络并经神经网络处理检测出行人位置。
【技术特征摘要】
1.一种基于神经网络和双特征融合的视频行人检测方法,其特征在于,包括以下步骤:步骤S1:提取视频中的一帧图像;步骤S2:将当前帧图像与已有背景图像对比进而生成前景运动对象图像并进行膨胀腐蚀运算;步骤S3:将前景运动对象图像进行归一化处理;步骤S4:在前景运动对象图像中提取HOG特征和LUV特征;步骤S5:将HOG特征和LUV特征输入预先已学习和训练好的神经网络并经神经网络处理检测出行人位置。2.根据权利要求1所述的一种基于神经网络和双特征融合的视频中的行人检测方法,其特征在于,所述神经网络采用无隐层结构、单隐层结构或双隐层结构。3.根据权利要求1或2所述的基于神经网络和双特征融合的视频行人检测方法,其特征在于,在所述步骤S3中,为HOG特征提取提供的图像为将前景运动图像进行归一化到64像素*...
【专利技术属性】
技术研发人员:邵李焕,陈少博,
申请(专利权)人:杭州派尼澳电子科技有限公司,
类型:发明
国别省市:浙江,33
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。