The invention discloses a pedestrian recognition method based on gradient type cascade SVM classifier, the method of risk sensitive classifier and voting mechanism of pedestrian recognition, to a certain extent, improve the detection accuracy, and gradient cascade architecture is used by the coarse granularity to the pipeline type fine granularity judgment, negative samples will be able to is easy to judge in the first few level detection, greatly accelerate the speed of classification detection stage, improve operational efficiency and overall processing speed. The invention can better adapt pedestrian identification under the scene with large pedestrian flow and non pedestrian target.
【技术实现步骤摘要】
一种基于梯度式级联SVM分类器的行人识别方法
本专利技术属于视频监控
,涉及一种智能视频监控方法,具体涉及一种基于梯度式级联SVM分类器的行人识别方法,尤其适合于人流量较少、非行人区域大量存在场景下的行人识别。
技术介绍
头肩识别是行人识别方法的一种,通过对视频中行人的头肩特征进行检测判断其是否是行人。该技术以图像处理技术为依托,主要基于行人特征的提取和识别算法进行实现,目的是通过对视频流中的行人信息加以处理实现对经过某个特定区域的行人的识别,是智能视频监控系统的一个重要分支。目前为止行人识别的主流方法是基于统计特征的行人识别方法,该方法首先提取目标的统计特征,然后利用分类器对提取特征进行分类,判断是否是行人。这种方法鲁棒性比较好,不过需要收集大量的正负样本进行分类器训练,训练时间较长,同时,分类器训练的好坏是影响分类结果的一个重要因素。因此,行人特征的提取和分类器的选择是影响检测结果的主要因素。图像本身存有大量冗余信息,特征提取即利用计算机对图像进行一系列的处理,剔除图像中的冗余信息,获取具体的、客观实在的有用信息。2001年,Viola和Jones在Papageorgiou等人的基础上提出3种类型4种形式的Haar-like特征:边缘特征、线性特征、中心特征和对角线特征,并由这些特征组合成特征模板。特征模板由白黑两种矩形构成,模板的特征值为白色矩形像素和减去黑色矩形像素和。但矩形特征只对一些简单的图形结构较敏感,如边缘、线段,所以只能描述特定走向的结构,更适合表达图像的局部特征。2005年,Dalal等学者提出梯度直方图特征(HOG,Histog ...
【技术保护点】
一种基于梯度式级联SVM分类器的行人识别方法,包括以下步骤:1)从待识别视频或图像中提取不同维度的HOG特征;2)将步骤1)提取到的HOG特征按照维度从低到高训练得到对应的梯度式级联SVM分类器;3)将步骤1)提取到的所有HOG特征作为样本依序输入由不高于设定维度的HOG特征训练出的级联SVM分类器,只要其中一级级联SVM分类器将输入的样本判定为行人,就将此样本输入高于设定维度的级联SVM分类器做进一步判定,以实现行人识别。
【技术特征摘要】
1.一种基于梯度式级联SVM分类器的行人识别方法,包括以下步骤:1)从待识别视频或图像中提取不同维度的HOG特征;2)将步骤1)提取到的HOG特征按照维度从低到高训练得到对应的梯度式级联SVM分类器;3)将步骤1)提取到的所有HOG特征作为样本依序输入由不高于设定维度的HOG特征训练出的级联SVM分类器,只要其中一级级联SVM分类器将输入的样本判定为行人,就将此样本输入高于设定维度的级联SVM分类器做进一步判定,以实现行人识别。2.如权利要求1所述的一种基于梯度式级联SVM分类器的行人识别方法,其特征在于,步骤1)包括:将待识别视频或图像分成若干小的block区域,然后将每个block分成若干个更小的cell区域,采集每个cell中各像素点的梯度方向直方图,并这些直方图组合起来构成HOG特征描述器,通过改变cell的大小即可提取不同维度的HOG特征。3.如权利要求2所述的一种基于梯度式级联SVM分类器的行人识别方法,其特征在于,0<cell<扫描窗口大小。4.如权利要求1所述的一种基于梯度式级联SVM分类器的行人识别方法,其特征在于,步骤2)中所述梯度式级联SVM分类器采用正样本风险代价敏感SVM分类器。5.如权利要求4所述的一种基于梯度式级联SVM分类器的行人识别方法,其特征在于,所述梯度式级联SVM分类器采用正样本风险代价敏感SVM分类器,其目标函数如下:
【专利技术属性】
技术研发人员:孙利民,田莹莹,芦翔,文辉,张园,
申请(专利权)人:中国科学院信息工程研究所,
类型:发明
国别省市:北京,11
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。