[发明专利]一种针对感兴趣区域的反馈式行人检测方法

权利要求书

1.一种针对感兴趣区域的反馈式行人检测方法，其特征在于，采用离线行人分类和在线跟踪相结合的方法，一方面，离线行人分类结果不仅能为在线行人跟踪提供初始化信息，实现跟踪的自动初始化，而且可以作为在线分类器的训练样本，更新优化在线行人分类器，这样在线跟踪分类器就可以随着目标和背景的变化而得以更新，从而适应环境的变化；另一方面，在线行人跟踪的结果作为下一帧离线行人分类的感兴趣区域，从而有效降低检测窗口的扫描范围和特征维数，所述方法步骤包括：

1)正负样本图像特征提取；

2)离线行人分类器的设计与训练；

3)读取视频图像帧；

4)将获取的视频图像(原始图像)缩放成一系列不同尺度的待测图像；

5)在检测窗口范围内提取图像特征；

6)用检测窗口扫描尺度不同的待测图像，同时用训练好的离线行人分类器在待测窗口中判定行人，给出行人候选区域，然后融合不同尺度待测图像中行人候选区域，最后给出原始图像中行人分类结果；

7)将离线行人分类的结果输入到在线跟踪模块，更新优化在线分类器；

8)综合离线分类行人结果和在线跟踪结果，给出行人检测结果；

9)行人检测结果反馈到离线行人分类模块。

2.根据权利要求1所述方法，其特征在于，所述图像特征提取方法中采用图像的方向梯度直方图作为特征，选择可变大小的块结构，其方向梯度直方图提取步骤包括：1)在每个像素上计算图像的梯度；2)将梯度投影到每个最小单位矩形中，并计算梯度方向；3)在块内对最小单位矩形中的梯度进行归一化处理；4)利用AdaBoost选择大小不同的块结构，将检测窗口中的块中的梯度向量级联形成最后的图像特征向量，其中检测窗口大小将与离线行人分类器的正样本相同。

3.根据权利要求1所述方法，其特征在于，步骤2)离线行人分类器采用线性支持向量机分类器算法，将图像特征向量作为支持向量机的特征输入，通过训练获得离线行人分类器。

4.根据权利要求1所述方法，其特征在于，步骤4)采用双线性内插法将原始待测图像缩放成一系列的不同尺度的待测图像。

5.根据权利要求1所述方法，其特征在于，步骤6)给出的行人分类结果是融合不同尺度下的待测图像中行人候选区域，输出的行人分类结果是行人区域的大小、位置及离线行人分类 给出的预测值。

6.根据权利要求1所述方法，其特征在于，步骤7)利用离线行人分类结果完成在线跟踪模块的初始化，标出跟踪区域并提取样本特征向量，选取场景中的训练样本集合，此样本集合是由离线行人分类结果的集合和在线跟踪结果的集合通过集合运算而获得。

7.根据权利要求1所述方法，其特征在于，步骤8)对离线分类行人结果和跟踪结果进行综合分析，分析方法为将离线行人分类结果集合与跟踪结果集合作集合运算，同时结合它们各自的分类预测值给出最终的行人检测结果。

8.根据权利要求1所述方法，其特征在于，步骤9)反馈到离线行人分类中的行人检测结果是跟踪预测区域的大小和位置。

9.根据权利要求5所述方法，其特征在于，采用非最大值抑制法对不同尺度下的行人候选区域进行融合。

10.根据权利要求6所述方法，其特征在于，在线分类器的更新和优化是通过结合支持向量机与AdaBoost算法达到的。