The invention discloses a fast coarse fine cascade pedestrian detection method, this method: get all pedestrian images from the video segmentation, the training sample set; expand the training set with super resolution reconstruction method for each training sample; feature extraction and channel filter processing; cascade classifier by Adaboost algorithm to obtain coarse training then the feature extraction of color channel; self similarity and convolutional channel characteristics, train fine classifier cascade; image feature extraction of test channel, rough detection with coarse classifier, produced a series of candidate window; fine classification of these windows with fine classifier, exclude many false alarms; by using non maximum suppression the algorithm combined with the window, get the final detection result. The invention not only effectively eliminates the number of the false detection window, greatly improves the detection accuracy, but also achieves good detection speed, and has better versatility and robustness.
【技术实现步骤摘要】
本专利技术公开了一种快速粗精级联行人检测方法,涉及到超分辨率重建,卷积网络模型,数据降维以及特征表示技术,属于图像处理和模式识别的
技术介绍
在目前的众多检测技术中,行人检测技术因其特有的主动性和用户友好性等优点,近年来以来一直受到广泛关注。利用模式识别技术对行人采集图片进行自动分析、判别和检测,对于确保相关业务安全、提高工作效率、增加处理准确性都具有非常重要的现实意义。自动行人检测技术以其较高的学术价值和应用价值近年来受到国内外众多研究机构以及学者的广泛重视,该技术主要包含了两方面的内容,第一,对采集图像的预处理,它是各类行人图像检测的前提和基础;第二,对预处理后的图像内容进行建模分析和检测,它是检验行人自动检测技术性能好坏的标准。目前,在国内外行人检测研究领域中,通过构造有效的特征提取方法实现实时鲁棒的检测技术还不是很成熟。传统的特征提取技术不能保存行人的本质内部特性,所以更多适用于线性可分情况。而研究表明许多在自然界获取的图像尤其行人图像因光照、姿态等因素发生变化时,会造成图像的线性不可分。其次,一些行人图像存在遮挡现象,由此带来特征分析的困难。上述因素使传统特征不能充分表达行人信息,从而导致检测的精度低。在已知的现有技术中,典型的行人检测方法有:HOG特征和SVM分类器结合,Aggregatedchannelfeatures(ACF),并在实验数据上取得了良好的效果。然而这些方法提取的特征不能充分的描述行人的结构和颜色信息,使得检测效果不佳。该领域新近提出的Locallydecorrelatedchannelfeatures(LDCF) ...
【技术保护点】
一种快速粗精级联行人检测方法,其特征在于,包括如下步骤:(a)从视频中按帧数获取所有图像,再依次从图像中分割出所有的行人,且每个行人受到不同光照,表情以及遮挡环境的影响,将所有行人图像组合成为训练样本集;(b)对训练样本集进行超分辨率重建,通过双立方插值方法,对行人样本进行放缩处理,从而扩充了训练样本;(c)对训练样本提取特征通道,包括LUV3个颜色通道,1个梯度幅值通道以及6个梯度方向直方图通道;(d)对每个特征通道进行滤波,提取滤波后的特征,训练Adaboost级联粗分类器;(e)对粗分类过后的检测窗口,提取卷积通道特征以及颜色自相似特征,用精细分类器再次进行判别,去除一些错误的检测窗口;(f)对最终的检测窗口按置信度进行由大到小排序,为了提高检测的速度,取前T个检测窗口,采用非极大值抑制算法,去除一些重复的检测窗口,得到最终的检测结果;其中,步骤(d)的粗分类器通过以下步骤得到:(d1)对每个特征通道利用维纳辛钦理论算法,提取p个去无关的滤波器核,并对通道图像进行滤波,将滤波后的图像级联作为特征;(d2)通过Adaboost算法训练级联的粗分类器;步骤(e)中的精细分类器通过以下 ...
【技术特征摘要】
1.一种快速粗精级联行人检测方法,其特征在于,包括如下步骤:(a)从视频中按帧数获取所有图像,再依次从图像中分割出所有的行人,且每个行人受到不同光照,表情以及遮挡环境的影响,将所有行人图像组合成为训练样本集;(b)对训练样本集进行超分辨率重建,通过双立方插值方法,对行人样本进行放缩处理,从而扩充了训练样本;(c)对训练样本提取特征通道,包括LUV3个颜色通道,1个梯度幅值通道以及6个梯度方向直方图通道;(d)对每个特征通道进行滤波,提取滤波后的特征,训练Adaboost级联粗分类器;(e)对粗分类过后的检测窗口,提取卷积通道特征以及颜色自相似特征,用精细分类器再次进行判别,去除一些错误的检测窗口;(f)对最终的检测窗口按置信度进行由大到小排序,为了提高检测的速度,取前T个检测窗口,采用非极大值抑制算法,去除一些重复的检测...
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。