基于快速多尺度及联合模板匹配的多目标行人检测方法技术

本发明专利技术属于图像预处理技术领域，公开了一种基于快速多尺度及联合模板匹配的多目标行人检测方法，输入待检测图像I(x,y)；使用主能量方向搜索模型确定目标的主能量方向以及尺度，提取目标的Gabor特征；提取目标的HOG特征；将HOG特征与Gabor特征级联，建立快速级联特征金字塔；分别计算根滤波器和部件滤波器得分；计算综合模型得分；非极大值抑制滤除重复结果；得到最终检测结果。本发明专利技术引入Gabor特征解决了原始方法中特征单一的问题；建立快速特征金字塔模型大大简化了计算复杂度，提高了算法的运行速度。

【技术实现步骤摘要】
基于快速多尺度及联合模板匹配的多目标行人检测方法
本专利技术属于图像预处理
，尤其涉及一种基于快速多尺度及联合模板匹配的多目标行人检测方法。
技术介绍
目前，业内常用的现有技术是这样的：视觉是人类从物体发射或反射的光中提取有效信息的过程，是人类感知和认识世界的重要途径。人的视网膜可以接收不同波长的可见光，通过感光细胞将其转换为图像，从而实现从环境中获取物体信息的功能。计算机智能视觉，或称机器视觉，就是借助各种成像设备和相应机器算法，研究使用机器设备代替人工实现对图像目标的特征提取，并作进一步实现目标检测、跟踪、测量和分析等图像处理工作的科学。目标检测是选择高效算法提取目标对象特征，通过合适的机器学习算法对给定样本数据进行训练后，得到能够有效检测待定目标的模型，并以此模型在图像中准确地检测并定位目标对象的一门技术，一直是非常热门且充满挑战性的研究课题。其中行人检测就是把人从复杂背景中区分出来并加以定位的过程，是行人跟踪及行为分析等工作的前提，又因其非刚性特点而使行人检测相比其他类的目标更加困难。在实际检测场景中，光照以及各个行人不同外观衣着，不同姿态形状以及行人被遮挡等情况都会对本文档来自技高网...

【技术保护点】
1.一种基于快速多尺度及联合模板匹配的多目标行人检测方法，其特征在于，所述基于快速多尺度及联合模板匹配的多目标行人检测方法包括：(1)在图像特征金字塔构建过程中使用快速特征金字塔模型；快速特征金字塔模型为：

【技术特征摘要】
1.一种基于快速多尺度及联合模板匹配的多目标行人检测方法，其特征在于，所述基于快速多尺度及联合模板匹配的多目标行人检测方法包括：(1)在图像特征金字塔构建过程中使用快速特征金字塔模型；快速特征金字塔模型为：其中s为采样的尺度，C为原始尺度下的级联特征，λΩ为级联特征C对应的特征常数；(2)在图像特征提取过程中使用主能量方向搜索模型确定目标的主能量方向以及尺度，接下来提取目标的Gabor特征；使用3个尺度(λ＝8,λ＝9,λ＝10)，8个方向(θ＝-6,θ＝-4,θ＝-2,θ＝0,θ＝2,θ＝4,θ＝6,θ＝8)共24个滤波器构成的Gabor滤波器组，根据滤波器响应幅值确定目标的主能量方向以及尺度。2.如权利要求1所述的基于快速多尺度及联合模板匹配的多目标行人检测方法，其特征在于，所述提取目标的Gabor特征，Gabor核函数由高斯核函数和复指数函数构成，公式如下：其中，x'＝xcosθ+ysinθ；y'＝-xsinθ+ycosθ；λ和θ分别表示尺度和方向，表示相位，σ表示方差，γ表示椭圆率。3.如权利要求1所述的基于快速多尺度及联合模板匹配的多目标行人检测方法，其特征在于，所述基于快速多尺度及联合模板匹配的多目标行人检测方法具体包括：步骤一，输入待检测图像I(x,y)；步骤二，使用主能量方向搜索算法搜索待检测图像I(x,y)的主能量方向，使用3个尺度(λ＝8,λ＝9,λ＝10)，8个方向(θ＝-6,θ＝-4,θ＝-2,θ＝0,θ＝2,θ＝4,θ＝6,θ＝8)共24个滤波器构成的Gabor滤波器组，根据滤波器响应幅值确定目标的主能量方向以及尺度；步骤三，根据目标的主能量方向以及尺度提取目标的Gabor特征，Gabor核函数由高斯核函数和复指数函数构成，公式如下：其中，x'＝xcosθ+ysinθ；y'＝-xsinθ+ycosθ；λ和θ分别表示尺度和方向，表示相位，σ表示方差，γ表示椭圆率；步骤四，提取目标的方向梯度直方图特征，使用[-101]梯度算子对图像做卷积运算得到水平方向的梯度分量，使用[10-1]T梯度算子对图像做卷积运算得到竖直方向梯度分量，计算图像中每个像素点的梯度以及方向，公式如下：Gx(x,y)＝H(x+1,y)-H(x-1,y)；Gy(x,y)＝H(x,y+1)-H(x,y-1)；其中Gx(x,y)，Gy(x,y)，H(x,y)分别表示x方向梯度、y方向梯度、(x,y...

【专利技术属性】
技术研发人员：张建龙，王亚南，卢毅，王颖，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：陕西,61