[发明专利]一种基于改进的HOG特征和PCA的行人检测方法

权利要求书

1.一种基于改进的HOG特征和PCA的行人检测方法，其特征在于：所述行人检测方法包括以下步骤：

1)采用HOG特征块模块提取训练正样本图像中行人梯度信息集中区域的HOG特征作为改进型的HOG特征，所述训练正样本图像有m个；

2)针对上述改进型HOG特征矩阵，采用PCA算法，得到投影矩阵B，具体过程如下：

2.1)针对训练样本特征矩阵中的每个训练正样本x_i，i＝1，...，m，计算平均向量：

x‾=1mΣi=1mxi;]]>

2.2)计算协方差矩阵：

C=1mΣi=1mx‾ix‾iT;]]>

2.3)计算C的特征值和特征向量b_i，选择K个最大的特征向量作为特征子空间的基，由这些基组成投影矩阵B：B＝[b₁，b₂，...，b_K]^T；

3)提取训练样本的改进型HOG训练特征矩阵P，利用投影矩阵B进行降维处理，得到最终训练特征矩阵P′：P′＝P×B，利用P′训练支持向量机SVM分类器；

4)对于任一检测样本，提取改进型HOG特征向量y并利用投影矩阵B降维，得到最终用于检测行人的特征向量y′：y′＝y×B；将y′输入步骤3)中训练得到的SVM分类器进行行人的检测。

2.如权利要求1所述的基于改进的HOG特征和PCA的行人检测方法，其特征在于：所述步骤3)中，所述支持向量机SVM分类器中，核函数为高斯径向基核函数：其中，k为训练样本的特征维数。

3.如权利要求1或2所述的基于改进的HOG特征和PCA的行人检测方法，其特征在于：所述步骤1)中，行人梯度信息集中区域为样本图像中间区域。

4.如权利要求1或2所述的基于改进的HOG特征和PCA的行人检测方法，其特征在于：所述步骤1)中，所述HOG特征块模块为高宽比(H∶W)为(1∶1)，16×16像素大小的块，块中平均分割而成的四个单元像素大小为8×8，计算样本HOG特征时所用步长为8个像素。