The invention belongs to the field of image processing, and relates to a XCS LBP feature and the pedestrian detection algorithm based on cascaded AKSVM, the proposed XCS LBP and HOG feature combination, using genetic algorithm to realize the AKSVM cascade form, greatly improve the speed and accuracy of pedestrian detection. The realization process is: (1) the acquisition vehicle camera video image is converted to grayscale images, (2) on the gray image denoising (3) extraction of XCS LBP features and HOG, (4) using the characteristic value of the training of weak classifiers (5) with weak classifier the genetic algorithm determines the AKSVM decomposition of the sequence (6) of the test samples was calculated using cascaded AKSVM trained assessment. The invention solves the problem of optimal classifier cascade form, can improve the efficiency of classification, reduce pedestrian detection time, and extraction of samples using multiple features can improve the accuracy of pedestrian detection.
【技术实现步骤摘要】
一种基于XCS-LBP特征以及级联AKSVM的行人检测算法
本专利技术涉及一种基于单目视觉的前方行人检测算法,该方法采用混合特征提取和级联分类器相结合的方法对视频图像中的行人进行检测,属于图像处理和机器视觉领域,可应用于准确高效的检测出前方行人,可以实时性的提醒驾驶员避让行人,减少交通事故的发生,是先进驾驶辅助系统中重要的一环。
技术介绍
道路交通事故给人民生命财产和国民经济带来了巨大损失,而交通事故很大程度上由于驾驶员精力不集中造成的,车辆擦碰行人的事故屡见不鲜。由此可见,及时检测出前方行人并做出预警作为高级驾驶辅助系统中的一部分具有非常重要的意义。加强道路安全是当今智能车领域需要着重关注的问题,先进驾驶辅助系统(ADAS)是加强道路安全的芽接技术。为了更方便的驾驶车辆,人们开发了先进驾驶辅助安全系统(ADAS)。行人检测的提出旨在通过车辆前置摄像头捕捉到的视频分析车辆前方有没有行人,如果检测到行人就给司机发出危险信号,提醒司机减速或刹车,避免交通事故的发生。最近,用于行人检测的技术涌现出来,比如使用红外摄像机,激光传感器,单眼摄像机,或者是激光传感器和单眼摄像机配合使用等等。有许多因素制约着机器视觉在行人检测方向的发展,使得该技术具有挑战性。比如行人的服装外表具有多样性,行人姿势和所处位置的多样性,可变光照条件,非结构化的环境以及行人身体部位的遮挡等问题,利用机器感知技术进行行人检测是一项极具挑战性的任务。而且,在先进驾驶辅助系统(ADAS)中,使用的是在路途中行驶的摄像机,摄像机拍摄到的背景在运动,周围的环境是动态变化的,利用机器视觉进行行人检测,提 ...
【技术保护点】
一种基于单XCS‑LBP特征以及级联AKSVM的行人检测算法,包括下列步骤:(1)从训练视频帧中获取检测图像并进行灰度化;(2)XCS‑LBP特征处理;(3)HOG特征提取;(4)用遗传基因算法得到最优AKSVM级联序列并对其进行训练;(5)获取测试数据集并重复1‑3步;(6)利用第4步得到的分类器对第5步得到的数据进行测试;(7)后处理。
【技术特征摘要】
1.一种基于单XCS-LBP特征以及级联AKSVM的行人检测算法,包括下列步骤:(1)从训练视频帧中获取检测图像并进行灰度化;(2)XCS-LBP特征处理;(3)HOG特征提取;(4)用遗传基因算法得到最优AKSVM级联序列并对其进行训练;(5)获取测试数据集并重复1-3步;(6)利用第4步得到的分类器对第5步得到的数据进行测试;(7)后处理。2.根据权利要求1所述的交通流视频中前方行人检测方法,其特征在于,步骤(2)中使用XCS-LBP特征以及HOG特征融合进行特征提取,并且在特征提取前进行预处理,提高图像检测的精度。具体算法描述如下:如果数据集是视频文件,则将其转换为图像文件对检测器的实现来说更有利。预处理过程是对图像做简单加工处理,使得检测结果更好。预处理过程不是必须经历的过程。包括三部分内容,a.帧变换;b.图像灰度化;c.前景检测。a.帧变换针对先进辅助驾驶系统,最直接的数据来源是从车辆的前置摄像头获取的视频文件,因此,需要将从摄像头获取的视频首先转换成帧,视频帧中的每个实例都是从该视频中获取。第一帧被转换为灰度图像,并将这第一帧转换后的图像设置为背景参考图像。我们可以定义要读的帧的间隔,这个成像设备按照特定的速率或频率显示连续的图像就称为帧。b.图像灰度化为了从RGB图像中得到灰度图像,我们很容易通过添加每个像素的RGB值得到像素的亮度或者强度。可以通过求平均的方法。Grayscale=(R+G+B)/3(1)根据RGB颜色的波长贡献,图像就形成了。红色比蓝色和绿色的波长更大,因此,我们必须通过加权的方法减少红色对图像的贡献率,增加绿色贡献率。NewGrayscale=(0.3*R)+(0.59*G)+(0.11*B)(2)c.前景检测前景检测是通过使用第一帧作为参考背景图像并且自适应变换参考图像实现的。Background=(1-α)*currentframe+(α*background)(3)Differenceimage=currentframe-background(4)根据这一规则,他只会处理图像中包含相关信息的部分。因此,前景检测使得问题数据集不会再做进一步处理。根据阈值的设置,差分图像就转换成了二值图像。它取代了原始图像中的所有像素,将像素值大于阈值的用“1”代替(也就是二值图像中的白色),其他所有像素用“0”代替。利用Otsu法计算全局图像阈值。通过这种方法选择的阈值将黑白像素区分开。相机和背景没有相对运动,因此,这种方法适合前景检测。d.XCS-LBP纹理特征提取XCS-LBP算子是在LBP算子和CS-LBP算子的基础上提出的,集合了两个算子的优势。LBP算子应用比较广泛,属于区域算子。LBP算子被广泛用在特征提取上的优势有很多,它具有多尺度特征、旋转不变性、计算简单等优点,最重要的一点就是它对光照变化及阴影的适应性强。LBP算子的原理可以描述如下,对于图像中的每个像素点c=(x,y),与其领域半径为R的P个邻域点的灰度值进行比较,计算出LBP纹理特征值,其表达式实现如式(5)所示。其中,gc为中心点的灰度值;gi为邻域点灰度值;T为阈值;P为邻域点的个数,一般选取4或者8。CS-LBP算子相对于LBP算子性能有所提高,采用中心对称的思想提取纹理特征,大大降低了提取的纹理特征的维数。CS-LBP纹理算子的特征值通过计算以中心像素为对称的像素对的邻域像素值得到,其实现形式如式(6)所示。其中,gi+P/2是以gc为中心与gi点中心对称的像素点灰度值。XCS-LBP算子结合了LBP算子和CS-LBP算子的优势,提取的纹理信息更加细致,抗噪能力更强。其实现形式由式(7)表示为:XCS-LBP的原理图如图4所示。3.根据权利要求1所述的前方行人的检测方法,其特征在于,步骤(4)中用遗传基因算法得到最优AKSVM级联序列并对其进行训练。该方法大大提高...
【专利技术属性】
技术研发人员:高振国,李树刚,陈丹杰,姚念民,卢志茂,陈炳才,
申请(专利权)人:深圳市美好幸福生活安全系统有限公司,
类型:发明
国别省市:广东,44
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。