[发明专利]特定场景下的行人颜色提取方法

权利要求书

1.特定场景下的行人颜色提取方法，其特征是：首先使用公共行人样本库结合特定场景下采集到的行人样本库使用支持向量机训练出特定场景下的行人模型；然后对所述特定场景下拍摄的视频流采用混合高斯模型进行颜色建模和前景切割，得到能够区分背景和前景的前景二值化图；在前景二值化图在原始图像中标示出的区域中使用支持向量机结合的预先训练好的行人的模型和梯度方向直方图特征，不同缩放比下检索行人，合并相同的检索结果，合并检索出的相同行人目标，结合前景分割结果对合并结果准确提取行人的全部区域，对该区域提取颜色直方图，获取颜色信息。

2.如权利要求1所述特定场景下的行人颜色提取方法，其特征是，所述公共行人样本库采用INRIA样本库，包含1805个64*128分辨率的行人图片的正样本，和1000张不包含行人的图片；所述特定场景下采集到的行人样本库包括特定场景下采集的数目大于1805的正样本，以及1000张特定场景的不包含行人的图片；共计3610个正样本，2000张不包含行人的图片作为随机选取负样本的素材。

3.如权利要求2所述特定场景下的行人颜色提取方法，其特征是，所述训练特定场景下的行人模型的方法为：

步骤1、在所述2000张不包含行人的图片中随机摘取3610个64*128分辨率的子图片作为负样本；

步骤2、分别计算正、负样本的梯度方向直方图特征值，存储到正、负样本特征值文件中；梯度方向特征值计算的参数为：最小格大小是6*6，块大小是3*3个最小格，块重叠程度为二分之一的块大小，梯度方向直方图的柱区间大小是20度，即把梯度按照0～360度区间上的18个区域进行分类；

步骤3、分别将正、负样本加上正、负标记输入进SVM模型进行训练，得到能够代表行人特征的分类模型；

步骤4、从剩下的1000张不包含行人的特定场景下的图片中随机抽选出18050个64*128的负样本，使用步骤3中产生的分类模型进行分类得到临时模型；

步骤5、将步骤4中得到的临时模型分类成正结果的负样本加入至步骤1中产生的负样本；

步骤6、循环执行步骤2，3，4，5两次，得到最终的分类模型。