一种结合静态底层特征和运动信息的快速行人检测方法技术

本发明专利技术公开了一种结合静态底层特征和运动信息的快速行人检测方法，针对待检测的视频序列中的单一图像帧，采用多尺度滑动窗口法提取其中指定大小的检测窗口，并采用快速金字塔特征计算方法计算每个检测窗口内图像的静态底层特征，静态底层特征包括方向梯度、梯度幅值和颜色通道，基于各个检测窗口内图像的静态底层特征对各个检测窗口进行行人与非行人预分类；利用行人特有的移动速度特征，通过检测窗口像素差均值法，去除预分类中误检为行人的检测窗口，最终检测为行人的检测窗口在图像中的位置即该图像帧中的行人的位置。本发明专利技术能在降低误检率的同时提高检测的准确性。

A fast pedestrian detection method combining static ground feature and motion information

The invention discloses a fast pedestrian with static feature and motion information detection method, according to a single image frame of video sequence detection in the extraction, which specifies the size of the detection window with multi-scale sliding window method, static low-level features and the fast calculation of each Pyramid feature detection window image calculation method, static the underlying features include direction gradient, the gradient and color channels of each detection window for pedestrian and non pedestrian pre classification static characteristics of each window bottom detection based on image; using moving speed characteristics of pedestrian characteristic, the average method by detecting the window pixel difference, removing the false pre classification of pedestrian detection window, final test the position detection window of pedestrians in images in the image frame in the position of the pedestrian. The invention can improve the accuracy of detection while reducing the false detection rate.

【技术实现步骤摘要】
一种结合静态底层特征和运动信息的快速行人检测方法
本专利技术属于一种在智能视频监控中基于行人静态底层特征并结合行人运动特征的行人检测方法。
技术介绍
行人检测和跟踪技术是机器视觉研究中的一个重要内容，已在涉及人们生活的多个领域发挥作用。依托先进的行人检测技术，监控视频在智能存储、智能检索、行为分析等方面取得了较大突破，从而大幅度降低监控系统建设成本，并节约大量的安保人力资源。实时行人检测使安防监控系统能及时提醒安保人员注意监控区域出现的可疑人员、并帮助安保人员快速定位、跟踪犯罪嫌疑人员。智能视频监控系统还可通过分析室内行走人员在监控区域的出现规律、异常动作及时对被看护的老人和小孩预警。此外行人检测技术对公共场所的拥堵人群行为分析也发挥着极其重要的作用。近几年，围绕提高检测正确率和检测速度两个目标，行人检测技术取得了重大进步。根据图像或视频序列中行人目标特有的时空特征，行人检测可划分为三大类。第一类是基于静态图像或单帧图像进行行人特征抽取的检测方法。这类方法又包含静态底层特征抽取和静态高层特征抽取两个子类。Sakrapee等基于空域池抽取多尺度分块协方差和LBP两类静态特征，并采用结构本文档来自技高网...

【技术保护点】
一种结合静态底层特征和运动信息的快速行人检测方法，其特征在于，包括以下步骤：步骤1、针对待检测的视频序列中的单一图像帧，采用多尺度滑动窗口法提取其中指定大小的检测窗口，并采用快速金字塔特征计算方法计算每个检测窗口内图像的静态底层特征，静态底层特征包括方向梯度、梯度幅值和颜色通道，基于各个检测窗口内图像的静态底层特征对各个检测窗口进行行人与非行人预分类；步骤2、利用行人特有的移动速度特征，通过检测窗口像素差均值法，去除预分类中误检为行人的检测窗口，最终检测为行人的检测窗口在图像中的位置即该图像帧中的行人的位置。

【技术特征摘要】
1.一种结合静态底层特征和运动信息的快速行人检测方法，其特征在于，包括以下步骤：步骤1、针对待检测的视频序列中的单一图像帧，采用多尺度滑动窗口法提取其中指定大小的检测窗口，并采用快速金字塔特征计算方法计算每个检测窗口内图像的静态底层特征，静态底层特征包括方向梯度、梯度幅值和颜色通道，基于各个检测窗口内图像的静态底层特征对各个检测窗口进行行人与非行人预分类；步骤2、利用行人特有的移动速度特征，通过检测窗口像素差均值法，去除预分类中误检为行人的检测窗口，最终检测为行人的检测窗口在图像中的位置即该图像帧中的行人的位置。2.根据权利要求1所述的结合静态底层特征和运动信息的快速行人检测方法，其特征在于，1)图像的梯度幅值特征由图像上各个像素点处的梯度幅值构成；图像上像素点(i,j)处的梯度幅值M(i,j)2的计算公式为：其中，I是图像上像素点(i,j)处的像素值；2)图像的方向梯度特征由图像上各个像素点处的梯度方向值构成；图像上像素点(i,j)处的梯度方向值D(i,j)的计算公式为：3)图像的颜色通道特征值为图像上LUV或RGB三个颜色通道内的像素值。3.根据权利要求1所述的结合静态底层特征和运动信息的快速行人检测方法，其特征在于，所述步骤1中对检测窗口进行行人与非行人预分类，具体包括以下步骤：步骤1.1、获取与检测窗口大小相同的训练样本图像，包括行人和非行人图像；步骤1.2、提取训练样本图像的静态底层特征；步骤1.3、采用AdaBoost算法，基于训练样本图像提取出的静态底层特征训练多个弱分类器，并将多个弱分类器加权组成一个强分类器；每个弱分类器的判断阈值经样本训练而成；步骤1.4、将检测窗口内图像的静态底层特征输入步骤1.3得到的强分类器，得到检测窗口被分类为行人的置信度，根据置信度阈值对检测窗口进行行人与非行人预分类。4.根据权利要求1所述的结合静态底层特征和运动信息的快速行人检测方法，其特征在于，采用非最大值抑制方法，对步骤1.4中预分类为行人的检测窗口进行一次筛选，针对经多尺度分析后同一图像帧中同一行人对应的多个检测窗口，只保留置信度最高的检测窗口，去除其它检测窗口。所述步骤依据步骤1的筛选结果，在静态特征筛选的基础上进行第二次筛选。5.根据权利要求1所述的结合静态底层特征和运动信息的快速行人检测方法，其特征在于，所述步骤2包括以下步骤：步骤2.1、获取训练样本图像，包括误检为行人的背景图像以及含真实行人的前景图像；步骤2.2、采用帧差法计算各个训练样本图像的像素差矩阵，并计算各个矩阵中所有元素绝对值的均值；

【专利技术属性】
技术研发人员：王建新，姜颖军，梁毅雄，夏佳志，
申请(专利权)人：中南大学，
类型：发明
国别省市：湖南,43