[发明专利]使用合成训练数据的实时骑车人检测

权利要求书

1.一种用于实时确定骑车人是否存在于目标图像中的方法，包括以下步骤：

接收所述目标图像；

使用线性分类器确定所述目标图像的第一分类和误差值，其中所述误差值指示所述第一分类不正确的概率；

响应于所述误差值不超过阈值：

输出所述第一分类；以及

响应于所述误差值超过所述阈值：

使用非线性分类器确定所述目标图像的第二分类；以及

输出所述第二分类。

2.根据权利要求1所述的方法，进一步包括：

基于骑车人的三维模型生成所述骑车人的多个合成图像；以及

使用所生成的多个合成图像训练所述线性分类器和所述非线性分类器。

3.根据权利要求2所述的方法，其中生成所述骑车人的所述多个合成图像包括：

基于所述骑车人的所述三维模型呈现骑自行车的人的图像；以及

将背景添加至所呈现的图像，由此生成组合图像。

4.根据权利要求3所述的方法，其中生成所述骑车人的所述多个合成图像进一步包括以下各项中的至少一项：降采样所述组合图像、平滑所述组合图像以及裁剪所述组合图像。

5.根据权利要求3所述的方法，其中生成所述骑车人的所述多个合成图像基于所述骑车人的所述三维模型以及基于参数来执行。

6.根据权利要求5所述的方法，其中所述参数包括以下各项中的一项：关于所述人的信息、关于所述自行车的信息以及关于所述骑车人在所呈现的图像内的位置的信息。

7.根据权利要求5所述的方法，进一步包括使用所述参数注释所述组合图像。

8.根据权利要求2所述的方法，进一步包括基于自行车的三维模型和人的三维模型来生成所述骑车人的所述三维模型。

9.根据权利要求1所述的方法，进一步包括：

接收多个负训练图像，其中负训练图像不显示骑车人；以及

使用所述多个负训练图像训练所述线性分类器和所述非线性分类器。

10.根据权利要求1所述的方法，其中所述线性分类器包括线性支持向量机(SVM)。

11.根据权利要求1所述的方法，其中所述非线性分类器包括径向基函数(RBF)支持向量机(SVM)。

12.根据权利要求1所述的方法，其中所述线性分类器基于方向梯度直方图(HOG)图像特征来执行分类。

13.根据权利要求12所述的方法，进一步包括从所述目标图像提取HOG图像特征。

14.一种用于实时确定骑车人是否存在于目标图像中的系统，包括：

处理器；以及

存储指令的非暂态计算机可读存储介质，

当被所述处理器执行时，所述指令使得所述处理器：

接收所述目标图像；

使用线性分类器确定所述目标图像的第一分类和误差值，其中所述误差值指示所述第一分类不正确的概率；

响应于所述误差值不超过阈值：

输出所述第一分类；以及

响应于所述误差值超过所述阈值：

使用非线性分类器确定所述目标图像的第二分类；以及

输出所述第二分类。

15.根据权利要求14所述的系统，其中当被所述处理器执行时，所述指令进一步使得所述处理器：

基于骑车人的三维模型生成所述骑车人的多个合成图像；以及

使用所生成的多个合成图像训练所述线性分类器和所述非线性分类器。

16.根据权利要求15所述的系统，其中生成所述骑车人的所述多个合成图像包括：

基于所述骑车人的所述三维模型呈现骑自行车的人的图像；以及

将背景添加至所呈现的图像，由此生成组合图像。