行人检测方法技术

本发明专利技术涉及图像处理技术领域，解决了现有行人检测方法准确率较低，所需训练样本数量多，工作量大的问题。技术方案概括为：行人检测方法，在训练样本集中标注出正样本，得到完备的正样本集，然后进行方向梯度直方图统计，训练出基于支持向量数据描述的单分类器；利用移动滑窗从检测图像生成多个候选图像，对所有的候选图像进行方向梯度直方图统计，生成检测图像的特征描述，输入到单分类器中进行分析处理，判断是否有行人及行人的位置。有益效果是：本发明专利技术基于支持向量数据描述，通过完备的正样本集训练出一个单分类器，不需要引入负样本集进行训练，提高了行人检测的准确率，训练样本总数减少，工作量降低。特别适用于智能交通设备。

Pedestrian detection method

The invention relates to the field of image processing technology, which solves the problems of low accuracy of existing pedestrian detection methods, large number of training samples and large workload. The technical scheme can be summarized as follows: pedestrian detection method, marking positive samples in training sample set, obtaining complete positive sample set, then training a single classifier based on support vector data description through directional gradient histogram statistics, and generating multiple candidate images from detection image by using moving sliding window, for all candidate images. For example, the direction gradient histogram statistics is used to generate the feature description of the detection image, which is input into the single classifier for analysis and processing to determine whether there are pedestrians and pedestrian positions. The method is based on support vector data description and trains a single classifier through a complete positive sample set without introducing a negative sample set for training. The method improves the accuracy of pedestrian detection, reduces the total number of training samples and reduces the workload. It is especially suitable for intelligent transportation equipment.

【技术实现步骤摘要】
行人检测方法
本专利技术涉及图像处理
，特别涉及行人检测识别技术。
技术介绍
目前对图像内行人的检测方法采用方向梯度直方图和支持向量机进行处理，支持向量机确定的超平面可作为两种模式类的分界面，但样本与分界面的距离并不能准确表征给定数据与模式类的相似度，导致最后的行人检测结果准确率较低，并且传统的检测方法需要采用人工标注的正样本和负样本进行训练，导致所需的训练样本总数多，工作量大。
技术实现思路
本专利技术要解决现有行人检测方法准确率较低，所需训练样本数量多，工作量大的技术问题，提供一种不需要负样本的基于支持向量数据描述的行人检测方法。为解决上述技术问题，本专利技术采用的技术方案是：行人检测方法，包括单分类器训练部分和检测应用部分；所述单分类器训练部分包括以下步骤：步骤一、在训练样本集中标注出每个训练样本的正样本，得到完备的正样本集；步骤二、对正样本集进行方向梯度直方图统计，利用方向梯度直方图提取出的特征，训练出基于支持向量数据描述的单分类器；所述检测应用部分包括以下步骤：步骤A、获取检测图像，利用移动滑窗从检测图像生成多个候选图像；步骤B、对所有的候选图像进行方向梯度直方图统计，提本文档来自技高网...

【技术保护点】
1.行人检测方法，包括单分类器训练部分和检测应用部分，其特征在于：所述单分类器训练部分包括以下步骤：步骤一、在训练样本集中标注出每个训练样本的正样本，得到完备的正样本集；步骤二、对正样本集进行方向梯度直方图统计，利用方向梯度直方图提取出的特征，训练出基于支持向量数据描述的单分类器；所述检测应用部分包括以下步骤：步骤A、获取检测图像，利用移动滑窗从检测图像生成多个候选图像；步骤B、对所有的候选图像进行方向梯度直方图统计，提取出每个候选图像的特征；步骤C、整合所有候选图像的特征生成检测图像的特征描述，输入到单分类器中进行分析处理，判断是否有行人及行人的位置。

【技术特征摘要】
1.行人检测方法，包括单分类器训练部分和检测应用部分，其特征在于：所述单分类器训练部分包括以下步骤：步骤一、在训练样本集中标注出每个训练样本的正样本，得到完备的正样本集；步骤二、对正样本集进行方向梯度直方图统计，利用方向梯度直方图提取出的特征，训练出基于支持向量数据描述的单分类器；所述检测应用部分包括以下步骤：步骤A、获取检测图像，利用移动滑窗从检测图像生成多个候选图像；步骤B、对所有的候选图像进行方向梯度直方图统计，提取出每个候选图像的特征；步骤C、整合所有候选图像的特征生成检测图像的特征描述，输入到单分类器中进行分析处理，判断是否有行人及行人的位置。2.如权利要求1所述的行人检测方法，其特征在于：所述步骤一中对所有正样本采样到归一化的64×64像素。3.如权利要求1所述的行人检测方法，其特征在于：所述步骤二中每个正样本按像素划分为多个单元区，对每个单元区分别进行方向梯度直方图统计得到对应单元区的表征图像特征的编码，整合每个单元区的编码得到对应正样本的特征描述。4.如权利要求1所述的行人检测方法，其特征在于：所述步骤A中检测图像按像素划分为多个互不重叠且大小相同的矩形细胞单元，移动滑窗在检测图像中移动截取得到包括多个细胞单元的候选图像，移动步长以细...

【专利技术属性】
技术研发人员：柯磊，周振，陈凤，赵莉，
申请(专利权)人：攀枝花学院，
类型：发明
国别省市：四川,51