[发明专利]基于稀疏表示的行人检测方法

权利要求书

1.基于稀疏表示的行人检测方法，分为模型训练和比较识别两个阶段，其特征在于，在所述两个阶段分别对训练图像和检测图像进行归一化处理，提取颜色、纹理和形状三种特征向量，对所述三种特征向量进行稀疏表示并组合成稀疏化的混合特征向量；在所述模型训练阶段，根据训练图像稀疏化的混合特征向量通过支持向量机的模型训练方法训练分类器；在所述比较识别阶段，根据检测图像稀疏化的混合特征向量通过所述分类器进行识别。

2.根据权利要求1的基于稀疏表示的行人检测方法，其特征在于，所述颜色特征向量采用的是HSV颜色模型,其提取步骤为：

1) 将RGB空间转换到HSV空间；

2) 把色调H空间分成8份，饱和度S和亮度V空间分别分成3份；

3) 根据色彩的不同范围进行量化，量化后的色调、饱和度和亮度值分别为H，S，V；

4) 把3个颜色分量合成为一维特征矢量：I=H                                               +S+V  其中，分别是分量S和V的量化级数。

3.根据权利要求1的基于稀疏表示的行人检测方法，其特征在于，所述纹理特征向量使用的是Tamura纹理特征中的粗糙度、对比度和方向度这三个特征向量。

4.根据权利要求3的基于稀疏表示的行人检测方法，其特征在于，所述粗糙度的提取步骤为：

1）计算图像中大小为个像素的活动窗口中像素的平均强度值；

2) 通过对每个像素计算在水平和垂直方向上互补重叠的窗口之间的平均强度差和  ；

3) 在和  中对于每个像素，使E值达到最大的i值来设置最佳尺寸；

4) 计算整幅图像的来得到粗糙度。

5.根据权利要求3的基于稀疏表示的行人检测方法，其特征在于，所述对比度的提取步骤为：

1) 计算四阶矩和方差

2) 通过四阶矩和方差计算得到峰度

3) 通过标准差和峰度计算得到对比度  。

6.根据权利要求3的基于稀疏表示的行人检测方法，其特征在于，所述方向度的提取步骤为：

1) 计算每个像素处的梯度向量；

2) 构建方向角局部边缘概率直方图；

3) 通过计算概率直方图中峰值的尖锐程度来得到图像的方向性。

7.根据权利要求3的基于稀疏表示的行人检测方法，其特征在于，所述形状特征向量的提取步骤为：

1) 将彩图图像灰度化，用Canny边缘检测提取边缘保留边缘灰度图像，在用类判别分析法自动为每一幅廓图像选定阈值，然后用该阈值对图像二值化；

2) 计算图像的中心矩H_ij，归一化（i+j）阶中心矩；

3) 计算Hu提出的具有旋转、缩放和平移无关的7个矩特征。

8.根据权利要求1的基于稀疏表示的行人检测方法，其特征在于，所述稀疏表示的具体步骤为：

1) 对字典 A的列向量以及所述颜色、纹理和形状特征向量进行2-范数等于1的归一化，其中字典A由所有正反行人为所述特征向量组合成的矩阵；

2) 根据字典A和颜色、纹理和形状特征向量通过EFLA算法得到其稀疏表示。