一種基於曲線擬合的行人檢測方法
2023-09-18 21:52:55
專利名稱：一種基於曲線擬合的行人檢測方法
技術領域：
本發明屬於計算機視覺技術領域，特別涉及一種基於曲線擬合的行人檢測方法。
背景技術：
真實場景中的行人檢測技術在計算機視覺應用技術中佔有重要地位，例如，視頻監控和客流統計系統；同時，提高行人檢測的魯棒性也是其他智能視頻分析技術得以提升的先決條件之一。行人檢測技術廣泛應用於博物館、飛機場、停車場、車站、商場、銀行等敏感地點的智能監控外，在智能車輛、行人流量統計、智能交通控制等方面也有極其重要的研究價值。但是由於行人本身及其周圍環境所固有的特點，要做到實時、準確的檢測仍然面臨著很多技術難點，主要體現在以下兩個方面:1、行人的非剛性；2、圖像的攝像角度、光照以及周圍環境等因素。隨著電子技術的發展，基於圖像或視頻的行人檢測技術已逐漸取代了傳統的紅夕卜、雷達等行人檢測方式；並且基於圖像或視頻的行人檢測技術具備更高的可靠性、方面性和低成本使得其越來越受到大家的廣泛關注。傳統的行人檢測方法大體分為兩類:一類是基於模版匹配的方法；一類是利用霍夫投票的方法。但是現有技術中基於圖像或視頻的行人檢測技術在行人圖像與非行人圖像鑑別上仍然存在一定的誤差與區別能力不高的技術缺陷。有鑑於此，有必要對現有技術中的行人檢測技術予以改進，以解決上述問題。
發明內容
本發明的目的在於提供一種可有效提高公共區域中行人檢測效率的一種基於曲線擬合行人檢測方法。為實現上述發明目的，本發明公開了一種基於曲線擬合的行人檢測方法，包括以下步驟:S1、輸入訓練樣本集；S2、對訓練樣本集進行曲線擬合，得到經曲線擬合後的強分類器；S3、基於Adaboost算法對訓練樣本集進行訓練，得到級聯分類器；S4、輸入待檢測圖像，通過曲線擬合後得到的強分類器對待檢測圖像進行第一級檢測，得到候選行人區域；S5、利用級聯分類器對候選行人區域進行第二級檢測，得到行人區域。作為本發明的進一步改進，所述步驟SI中的訓練樣本集包括:包含行人圖像的正樣本集、不包含行人圖像的負樣本集，正樣本集中的所有正樣本與負樣本集中的所有負樣本均為64X 128像素的灰度圖像。作為本發明的進一步改進，所述正樣本集中的正樣本數量與負樣本集中的負樣本
數量相等。
作為本發明的進一步改進，所述步驟S2中的曲線擬合具體為:將Haar基本特徵線性組合成若干個Haar對比特徵，然後分別計算每一個Haar對比特徵在正樣本集及負樣本集中的特徵值分布，並將正樣本集與負樣本集的特徵值分布情況分別用曲線進行擬合。作為本發明的進一步改進，所述步驟S2中還包括:根據所有Haar對比特徵在正樣本集及負樣本集中的特徵值分布情況，尋找可區分正樣本集與負樣本集的Haar區別特徵、Haar區別特徵所對應的閥值th、並計算被閥值th正確判斷為正樣本集的正樣本概率及被閥值th誤判為正樣本集的負樣本概率。作為本發明的進一步改進，所述步驟S2中還包括:將每個Haar區別特徵、Haar區別特徵所對應的閥值th、被閥值th正確判斷為正樣本集的正樣本概率及被閥值th誤判為正樣本集的負樣本概率生成一個經曲線擬合後的弱分類器，並提取若干經曲線擬合後的弱分類器。作為本發明的進一步改進，所述步驟S2中提取若干經曲線擬合後的弱分類器之後還包括:判斷Haar對比特徵是否循環完畢，若是，則並將得到的若干經曲線擬合後的弱分類器組成為一個經曲線擬合後的強分類器；若否,則繼續計算下一個Haar對比特徵分別在正樣本集與負樣本集中的特徵值分布情況。作為本發明的進一步改進，所述步驟S4中輸入待檢測圖像具體為:將輸入的待檢測圖像轉化為灰度圖像，然後將該灰度圖像進行若干次縮小，並將縮小後的灰度圖像轉化為積分圖，所述灰度圖像進行縮小時，該灰度圖像的高度H、寬度W每次均縮小1.5%。作為本發明的進一步改進，所述灰度圖像被縮小的次數Scale =
權利要求
1.一種基於曲線擬合的行人檢測方法，其特徵在於，包括以下步驟: 51、輸入訓練樣本集； 52、對訓練樣本集進行曲線擬合，得到經曲線擬合後的強分類器； 53、基於Adaboost算法對訓練樣本集進行訓練，得到級聯分類器； 54、輸入待檢測圖像，通過曲線擬合後得到的強分類器對待檢測圖像進行第一級檢測，得到候選行人區域； 55、利用級聯分類器對候選行人區域進行第二級檢測，得到行人區域。
2.根據權利要求1所述的基於曲線擬合的行人檢測方法，其特徵在於，所述步驟SI中的訓練樣本集包括:包含行人圖像的正樣本集、不包含行人圖像的負樣本集，正樣本集中的所有正樣本與負樣本集中的所有負樣本均為64X 128像素的灰度圖像。
3.根據權利要求2所述 的基於曲線擬合的行人檢測方法，其特徵在於，所述正樣本集中的正樣本數量與負樣本集中的負樣本數量相等。
4.根據權利要求1所述的基於曲線擬合的行人檢測方法，其特徵在於，所述步驟S2中的曲線擬合具體為:將Haar基本特徵線性組合成若干個Haar對比特徵，然後分別計算每一個Haar對比特徵在正樣本集及負樣本集中的特徵值分布，並將正樣本集與負樣本集的特徵值分布情況分別用曲線進行擬合。
5.根據權利要求1或4所述的基於曲線擬合的行人檢測方法，其特徵在於，所述步驟S2中還包括:根據所有Haar對比特徵在正樣本集及負樣本集中的特徵值分布情況，尋找可區分正樣本集與負樣本集的Haar區別特徵、Haar區別特徵所對應的閥值th、並計算被閥值th正確判斷為正樣本集的正樣本概率及被閥值th誤判為正樣本集的負樣本概率。
6.根據權利要求1或5所述的基於曲線擬合的行人檢測方法，其特徵在於，所述步驟S2中還包括:將每個Haar區別特徵、Haar區別特徵所對應的閥值th、被閥值th正確判斷為正樣本集的正樣本概率及被閥值th誤判為正樣本集的負樣本概率生成一個經曲線擬合後的弱分類器，並提取若干經曲線擬合後的弱分類器。
7.根據權利要求6所述的基於曲線擬合的行人檢測方法，其特徵在於，所述步驟S2中提取若干經曲線擬合後的弱分類器之後還包括:判斷Haar對比特徵是否循環完畢， 若是，則並將得到的若干經曲線擬合後的弱分類器組成為一個經曲線擬合後的強分類器； 若否，則繼續計算下一個Haar對比特徵分別在正樣本集與負樣本集中的特徵值分布情況。
8.根據權利要求1所述的基於曲線擬合的行人檢測方法，其特徵在於，所述步驟S4中輸入待檢測圖像具體為:將輸入的待檢測圖像轉化為灰度圖像，然後將該灰度圖像進行若干次縮小，並將縮小後的灰度圖像轉化為積分圖，所述灰度圖像進行縮小時，該灰度圖像的高度H、寬度W每次均縮小1.5%。
9.根據權利要求8所述的基於曲線擬合的行人檢測方法，其特徵在於，所述灰度圖像被縮小的次數Scale = [1gli5^Jogli5 ， 其中:[Aj代表向下取整；W為灰度圖像的長度；H為灰度圖像的高度。
10.根據權利要求1或8所述的基於曲線擬合的行人檢測方法，其特徵在於，所述步驟S4中通過曲線擬合後得到的強分類器對待檢測圖像進行第一級檢測具體為:以64 X 128像素大小的圖像塊作為檢測窗口，在水平和垂直方向上以6個像素點為步長，對積分圖作行、列的滑動掃描。 ·
全文摘要
本發明公開了一種基於曲線擬合的行人檢測方法，包括以下步驟S1、輸入訓練樣本集；S2、對訓練樣本集進行曲線擬合，得到經曲線擬合後的強分類器；S3、基於Adaboost算法對訓練樣本集進行訓練，得到級聯分類器；S4、輸入待檢測圖像，通過曲線擬合後得到的強分類器對待檢測圖像進行第一級檢測，得到候選行人區域；S5、利用級聯分類器對候選行人區域進行第二級檢測，得到行人區域。在本發明中，通過對訓練樣本集進行曲線擬合，得到一個能夠快速過濾負樣本的強分類器，以得到候選行人區域；然後利用級聯分類器對候選行人區域進行二次檢測，得到行人區域。從而提高了對公共區域中複雜環境下的行人檢測效率。
文檔編號G06K9/62GK103198323SQ20131007641
公開日2013年7月10日 申請日期2013年3月12日 優先權日2013年3月12日
發明者呂楠, 彭豔豔, 楊京雨, 瞿研 申請人:無錫慧眼電子科技有限公司