行人检测方法及终端设备技术

本发明专利技术适用于图像处理技术领域，提供了一种行人检测方法及终端设备。该方法包括：获取原始图像，通过RGB通道将所述原始图像转换为RGB色彩图像；将所述RGB通道转换为对应的HSI通道，并依次通过所述RGB通道和所述HSI通道将所述原始图像转换为HSI色彩图像；将所述原始图像通过梯度融合通道转换为梯度图；对所述RGB色彩图像、所述HSI色彩图像和所述梯度图分别进行特征信息提取；将从所述RGB色彩图像、所述HSI色彩图像和所述梯度图提取到的特征信息进行融合，生成融合特征信息；根据检测模型和所述融合特征信息进行行人检测。本发明专利技术能够提高在复杂前景下行人检测的有效性。

Pedestrian detection method and terminal equipment

The invention is suitable for the field of image processing technology, and provides a pedestrian detection method and terminal equipment. The method includes: obtaining the original image through the RGB channel will be the original image is converted to RGB color image; the RGB channel is converted to HSI channel, and then through the RGB channel and the HSI channel of the original image is converted to HSI color image; the fusion of the original image channel into a gradient map by gradient; the RGB color image, the HSI color image and the gradient map respectively for feature information extraction; feature information from the RGB color image, the HSI color image and the gradient image is extracted to the fusion, the fusion feature information generated according to the detection model; and the fusion feature information of pedestrian detection. The present invention can improve the effectiveness of pedestrian detection in complex foreground.

【技术实现步骤摘要】
行人检测方法及终端设备
本专利技术属于图像处理
，尤其涉及一种行人检测方法及终端设备。
技术介绍
目前行人检测的主流方法大致有三类。第一类是基于方向梯度直方图(HistogramofOrientedGradient,HOG)和支持向量机(SupportVectorMachine,SVM)结合的行人检测方法，以及改进的基于HOG特征衍生出来的其他检测方法。该类方法对背景单一，尺度均匀的图像检测效果良好，但对复杂前景下的行人检测效果较差。第二类是基于Adboost级联分类器的行人检测方法，该方法结合众多弱分类器检测与组合，此方法在能够复杂场景下检测行人，但行人检测的有效性较低，且检测效率较低。第三类是采用神经网络检测行人，该方法事先训练好模型，将训练的参数放入各个权值中存储。此类算法对于光照和阴影等影响的鲁棒性效果好，且易于识别行人的不同形态，但在复杂前景的行人检测问题上仍需改进。因此，目前的行人检测方法对于复杂前景下行人检测的有效性较低，且检测效率低，使行人检测的应用场景受限。
技术实现思路
有鉴于此，本专利技术实施例提供了一种行人检测方法及终端设备，以解决目前复杂前景下行人检测的有本文档来自技高网...

【技术保护点】
一种行人检测方法，其特征在于，包括：获取原始图像，通过RGB通道将所述原始图像转换为RGB色彩图像；将所述RGB通道转换为对应的HSI通道，并依次通过所述RGB通道和所述HSI通道将所述原始图像转换为HSI色彩图像；将所述原始图像通过梯度融合通道转换为梯度图；对所述RGB色彩图像、所述HSI色彩图像和所述梯度图分别进行特征信息提取；将从所述RGB色彩图像、所述HSI色彩图像和所述梯度图提取到的特征信息进行融合，生成融合特征信息；根据检测模型和所述融合特征信息进行行人检测。

【技术特征摘要】
1.一种行人检测方法，其特征在于，包括：获取原始图像，通过RGB通道将所述原始图像转换为RGB色彩图像；将所述RGB通道转换为对应的HSI通道，并依次通过所述RGB通道和所述HSI通道将所述原始图像转换为HSI色彩图像；将所述原始图像通过梯度融合通道转换为梯度图；对所述RGB色彩图像、所述HSI色彩图像和所述梯度图分别进行特征信息提取；将从所述RGB色彩图像、所述HSI色彩图像和所述梯度图提取到的特征信息进行融合，生成融合特征信息；根据检测模型和所述融合特征信息进行行人检测。2.如权利要求1所述的行人检测方法，其特征在于，所述对所述RGB色彩图像、所述HSI色彩图像和所述梯度图分别进行特征信息提取具体为：采用卷积神经网络对所述RGB色彩图像、所述HSI色彩图像和所述梯度图进行特征信息提取。3.如权利要求1所述的行人检测方法，其特征在于，所述将从所述RGB色彩图像、所述HSI色彩图像和所述梯度图提取到的特征信息进行融合，生成融合特征信息具体为：通过融合特征向量的公式：R＝[α×R1,β×R2,γ×R3]将从所述RGB色彩图像、所述HSI色彩图像和所述梯度图提取到的特征信息进行融合，生成融合特征信息；其中，R为所述融合特征信息，R1为从所述RGB色彩图像提取到的特征向量，R2为从所述HSI色彩图像提取到的特征向量，R3为从所述梯度图提取到的特征向量，α，β和γ为特征参数；所述特征参数满足条件：α+β+γ＝1，其中γ＝random(0,1)，random(0,1)为随机函数。4.如权利要求1所述的行人检测方法，其特征在于，所述检测模型采用的激活函数的公式为：5.如权利要求1-4任一项所述的行人检测方法，其特征在于，所述检测模型采用的误差函数的公式为：

【专利技术属性】
技术研发人员：杨裔，贵向泉，陈冬梅，蒋家俊，袁建，李国辉，谢昌磊，赵杰，
申请(专利权)人：维拓智能科技深圳有限公司，兰州北科维拓科技股份有限公司，
类型：发明
国别省市：广东,44