【技术实现步骤摘要】
本专利技术涉及ー种基于组合特征的行人检测方法。
技术介绍
近年来，在计算机视频监控领域中，后端智能视频分析是ー个热门的研究領域。而行人检测技术又是ー些智能视频分析技术的先决条件。目前，行人检测有两种方式ー种是基于局部特征的行人检测，ー种是基于全局特征的行人检测。基于局部特征的行人检测优点在于计算速度快，实时性较好，但由于行人在图像中是ー个宏观表现，不像人脸较小一用局部特征(微观)足以描述，用局部特征(微观)很难对行人进行表征；基于全局特征的行人检测优点在于准确率高，由于提取各种各样的行人全局特征，通过训练縮小类间(行人与行人)差异，増大了两类(目标与背景)差异，对行人的描述较准确，但由于特征计算复杂，因此不能达到实时检测行人的目的。
技术实现思路
本专利技术为了克服现有复杂场景中行人检测技术的不足，提出一种能准确描述行人且计算简单的行人检测方法，能够很好地平衡检测精度与检测速度。ー种基于组合特征的行人检测方法，分为训练过程和检测过程，先离线训练ー个判别行人的级联分类器，然后通过该级联分类器去检测图像中是否有行人，如果判断有行人则将其标注出来；所述的训练过程具体包括...
【技术保护点】
一种基于组合特征的行人检测方法，其特征在于：分为训练过程和检测过程，先离线训练一个判别行人的级联分类器，然后通过该级联分类器去检测图像中是否有行人，如果判断有行人则将其标注出来；所述的训练过程具体包括如下步骤：步骤11、从包含行人的图像中截取大小为AxB包含行人的窗口作为正样本，该n个正样本形成正训练样本集；随机截取大小为AxB不包含行人的窗口作为负样本，该m个负样本形成初始负训练样本集，选取h张场景较复杂但不包含行人的图片作为负样本替换集的初始内容；步骤12、在提取正、负训练样本集中所有训练样本的统计结构梯度特征（SSGF）后，将正样本标签置为+1，负样本标签置为？1，设...
【技术特征摘要】
1.ー种基于组合特征的行人检测方法，其特征在于分为训练过程和检测过程，先离线训练一个判别行人的级联分类器，然后通过该级联分类器去检测图像中是否有行人，如果判断有行人则将其标注出来； 所述的训练过程具体包括如下步骤 步骤11、从包含行人的图像中截取大小为AxB包含行人的窗ロ作为正样本，该η个正样本形成正训练样本集；随机截取大小为AxB不包含行人的窗ロ作为负样本，该m个负样本形成初始负训练样本集，选取h张场景较复杂但不包含行人的图片作为负样本替换集的初始内容； 步骤12、在提取正、负训练样本集中所有训练样本的统计结构梯度特征(SSGF)后，将正样本标签置为+1，负样本标签置为-1，设置训练次数初始值t为O ; 步骤13、将所有正负训练样本的统计结构梯度特征和对应的样本标签送入支持向量机中进行训练，设定支持向量机的训练參数C=O. 01，核函数kernel (X1, x2) =X1^X2;依照训练次数t，分别得到t个分类器Ht，然后将分类器H1、分类器H2、分类器H3、···、分类器Ht排列组合成级联分类器，每级分类器的判定门限为Θ ； 步骤14、检测窗ロ经过级联分类器逐级判断皆为有行人吋，则接受该检测窗ロ，一旦其中一个分类器判断检测窗口内没有行人就拒绝该检测窗ロ ；利用当前级联分类器在预置的负样本替换集中搜寻困难样本，所述的困难样本是指当前级联分类器将无行人的检测窗ロ判别为有行人时的负样本，终止条件如下 步骤141、经过步骤13后，若当前m个负样本中被当前级联分类器正确分类的ml个负样本将被丢弃，相应地搜寻ml个困难样本加入负训练样本集...
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。