【技术实现步骤摘要】
基于梯度直方图和Canny边缘检测器的行人检测方法
本专利技术涉及一种图像处理技术,特别是一种基于梯度直方图和Canny边缘检测器的行人检测方法。
技术介绍
随着人工智能的迅速发展,机器视觉在实际生活中有着越来越广泛的应用。而人体检测算法在自动驾驶,智能监控及灾难环境下的自动搜救等都有着很好的应用前景。人类生活的环境复杂多变,人体也并非固定不变的刚体,相反,人体灵活的构造是人体的形态非常多样。背景环境的复杂多变和人体形态的多样化使得人体检测具有较高的难度。目前主流的行人检测方法是通过提取人体的特征信息,然后用这些特征信息训练分类器,通过训练好的分类器检测图像中的人体目标。代表性的算法有HOG(梯度直方图)特征,LBP(局部二值模式)特征等。此类特征主要是根据人体的轮廓信息,纹理信息等来描述人体形状。当人体存在部分遮挡或者人体偏离直立状态较大时,检测效果明显降低。分类器主要采用SVM(支持向量机),Adboost等方法。算法深度学习的发展,神经网络算法。但是算法复杂度很高,运算量巨大。传统梯度直方图行人检测算法中采用离散一阶导数计算图像边缘,提取的边缘较为粗糙,梯度变化不显著的位置,提取的边缘不连续,边缘图像中包含较多噪声,不利于对图像中行人轮廓的准确描述,影响后续的行人检测效果。传统的梯度直方图行人检测算法采用全身的检测方法,行人轮廓特征中垂直特征信息占了很大比重,这使得检测过程中更容易把环境中大量存在的柱状物体误检为行人。
技术实现思路
本专利技术的目的在于提供一种基于梯度直方图和Canny边缘检测器的行人检测方法,本专利技术可以准确地描述人体特征信息,并采 ...
【技术保护点】
1.一种基于梯度直方图和Canny边缘检测器的行人检测方法,其特征在于,方法包括步骤:步骤1,对获取的图像一次进行图像灰度化、伽马校正、图像高斯滤波的处理;步骤2,利用Canny边缘检测器提取图像的边缘信息,计算图像中的梯度直方图信息,得到描述行人特征的特征向量;步骤3,利用包含人体头肩部分的正样本和不包含人体头肩部分的负样本训练支持向量机分类器;步骤4,利用训练得到的分类器对所有图像的局部窗口进行检测并判断窗口中是否存在人体头肩目标。
【技术特征摘要】
1.一种基于梯度直方图和Canny边缘检测器的行人检测方法,其特征在于,方法包括步骤:步骤1,对获取的图像一次进行图像灰度化、伽马校正、图像高斯滤波的处理;步骤2,利用Canny边缘检测器提取图像的边缘信息,计算图像中的梯度直方图信息,得到描述行人特征的特征向量;步骤3,利用包含人体头肩部分的正样本和不包含人体头肩部分的负样本训练支持向量机分类器;步骤4,利用训练得到的分类器对所有图像的局部窗口进行检测并判断窗口中是否存在人体头肩目标。2.根据权利要求1所述的方法,其特征在于,步骤1的具体过程如下:A、图像灰度化:将图像从RGB彩色空间转换到灰度空间;B、伽马校正:通过式(1)将图像的灰度映射到亮度变化较小的范围fγ(x,y)=c·fγ(x,y)(1)其中,fγ(x,y)为通过伽马校正后的图像,f(x,y)为灰度图像,c和γ为常数且γ<c;C、图像高斯滤波:通过式(2)实现高斯函数与图像的卷积得到平滑的图像fg(x,y)=G(x,y)*fγ(x,y)(2)其中,fg(x,y)为平滑图像,3.根据权利要求1所述的方法,其特征在于,步骤2的具体过程如下:步骤2.1,利用图像中每个像素的上下左右相邻像素分别计算该像素在x、y方向的梯度gx(x,y)、gy(x,y)gx(x,y)=fg(x+1,y)-fg(x-1,y)(3)gy(x,y)=fg(x,y+1)-fg(x,y-1)(4)步骤2.2,计算梯度幅值图像m(x,y)步骤2.3,对于梯度图像中的一点o,过o点做一条与o点八邻域点形成的矩形框相交两点a、b的直线,计算o、a、b三点的梯度幅值图像mo、ma和mb;若mo>ma且mo>mb,则保留o点为边缘像素;否则o点为孤立点,舍弃该点;步骤2.4,对梯度图像总的所有像素点执行步骤2.3,得到非最大抑制后的图像gm(x,y);步骤2.5,gm(x,y)图像边缘进行连接,设置一个高阈值Th和一个低阈值Tl,对图像gm(x,y)按照式(6)(7)进行分割其中,gh(x,y)、gl(x,y)分别为高阈值图像、低阈值图像;步骤2.6,将gh中非零像素点定义为强像素点,gl中非零像素点定义为若像素点;对gh中的每一个强像素点,判断与该点位置相对应的低阈值图像gl的像素点的八邻域是否存在弱像素点;若存在,则把存在的弱像素点置为强像素点,否则置为零;把低阈值图像中的强像素加入高阈值图像中,得到最终的边缘梯度图像g(x,y),方向梯度图也相应地保留对应的像素点,得到梯度方向图α(x,y)α(x,y)=tan-1(gy(x,y)/gx(x,y))(8)步骤2.7,把0~180°空间方向均匀地划分为9个方向,采用固定大小的滑动窗口遍历梯度方向图α(x,y),把滑动窗口内像...
【专利技术属性】
技术研发人员:刘磊,姜山,赵如雪,宋佳晓,陈旭,李业飞,张壮,
申请(专利权)人:南京理工大学,
类型:发明
国别省市:江苏,32
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。