A method of pedestrian recognition based on support vector machine and depth feature is presented, which includes the following steps: making training samples, including positive samples and negative samples in set pose and collected real scene videos. The pedestrian feature descriptor is mainly divided into two parts, one part is used to depict the local variation of the depth information, the other part is used to depict the local depth information size characteristics; RBF is selected as the kernel function for the nuclear SVM depth information features for training classifiers using LibSVM to get the pedestrian classifier in motion according to the training samples; the target area to the sliding window detection of pedestrian movement in the target region, the use of non maxima suppression detection window to eliminate redundant image output, pedestrian detection. This method uses depth descriptors as the feature vector of SVM in pedestrian recognition, real-time performance and can effectively slow down the mutual occlusion and mutual adhesion, improve the accuracy of pedestrian recognition.
【技术实现步骤摘要】
基于支持向量机和深度特征的行人识别方法
本专利技术属于图像处理
,涉及一种基于支持向量机和深度特征的行人识别。
技术介绍
目前,基于单目视觉的行人目标检测与跟踪技术已广泛应用于实际,在一定程度上解决了现在一般行人检测系统对其的技术需求。但是,由于单目视觉主要是基于对像素的彩色和灰度信息进行分析与应用,达到目标检测与跟踪的目的,所以还是存在很多缺陷。首先是光照变化,像素的彩色和灰度信息对光照很敏感,一点点的光照变化反映在像素的彩色和灰度值上都变得显著,这使得基于单目的运动目标检测与跟踪系统很难在光照变化复杂的室外条件下工作。其次是类运动目标的干扰,典型的类行人目标就是阴影。运动目标的阴影由于其在几何形状、运动规律等方面和真正的目标十分相似,在只有像素点的彩色和灰度信息的条件下很难很好的区分两者,这使得提取的行人目标质量受到影响,给后续的跟踪带来一定的干扰。由于行人目标形变十分多样,运动姿态、衣着变化、摄像机视角、行人间的相互遮挡等都会对最后检测出来的行人目标的外观产生影响,这使得传统的一些基于单目视觉的目标检测与跟踪算法准确度下降甚至失效。为了提高行人检测系统的准确性和鲁棒性,克服光照变化、类行人目标干扰、外观变化等因素对行人目标检测与跟踪的影响,本课题针对俯视场景下的行人检测与跟踪问题进行了研究。针对基于单目的行人目标检测与跟踪技术中存在的问题,本专利技术引入了双目立体视觉。双目立体视觉较单目来说,在保留像素的彩色和灰度信息的同时,增加了像素点深度这一关键信息。像素点的深度信息更加稳定,不易受光照变化的干扰,通过结合像素点的深度信息,可以更准确更细致 ...
【技术保护点】
一种基于支持向量机和深度特征的行人识别方法,其特征包括如下步骤:步骤一:制作训练样本,构造设定姿态下和搜集的真实场景视频中的正样本与负样本;步骤二:建立一种基于深度信息的特征描述子,用以描述行人在深度图中的特征;该行人特征描述子主要分为两部分,一部分用来刻画局部深度信息的变化特征,另一部分用来刻画局部深度信息的大小特征;深度图中的一点(x,y),首先计算它跟邻域像素在x方向和在y方向上的差值Δx和Δy:Δx=d(x+1,y)‑d(x‑1,y) (1)Δy=d(x,y+1)‑d(x,y‑1) (2)其中,d(x,y)表示点(x,y)的深度值;对得到的Δx和Δy进行量化编码:
【技术特征摘要】
1.一种基于支持向量机和深度特征的行人识别方法,其特征包括如下步骤:步骤一:制作训练样本,构造设定姿态下和搜集的真实场景视频中的正样本与负样本;步骤二:建立一种基于深度信息的特征描述子,用以描述行人在深度图中的特征;该行人特征描述子主要分为两部分,一部分用来刻画局部深度信息的变化特征,另一部分用来刻画局部深度信息的大小特征;深度图中的一点(x,y),首先计算它跟邻域像素在x方向和在y方向上的差值Δx和Δy:Δx=d(x+1,y)-d(x-1,y)(1)Δy=d(x,y+1)-d(x,y-1)(2)其中,d(x,y)表示点(x,y)的深度值;对得到的Δx和Δy进行量化编码:式中Td是一阈值;深度图中一点(x,y),其在局部深度信息的变化特征定义为(tx,ty);这些误匹配点在计算均值的时候将其剔除,即:
【专利技术属性】
技术研发人员:张云洲,周博强,纪鹏,吴成东,陈锦涛,商艳丽,张凯,
申请(专利权)人:东北大学,
类型:发明
国别省市:辽宁,21
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。