[发明专利]行人检测方法和装置

说明书

技术领域

本发明涉及计算机视觉技术领域，特别涉及一种行人检测方法和装置。

背景技术

近年来，行人检测越来越受到人们的关注，在图像和视频中行人检测可用于智能监控、智能交通和运动分析等领域。与此同时，人们对行人检测的各种要求也越来越多。

相关技术中有一种行人检测方法，首先通过计算出的目标特征训练AdaBoost(Adaptive Boosting，自适应增强)检测分类器，在得到需要进行检测的图像之后，利用AdaBoost检测分类器通过滑动窗口的方法分块检测该图像中是否有行人出现。

发明人在实现本发明的过程中，发现上述方式至少存在如下缺陷：上述方法通过固定的特征提取过程，无法从多个角度对图像信息进行描述，分类器的训练过程也较为复杂，在应用于存在遮挡和光照变化的环境时，误报率较高。

发明内容

为了解决相关技术中无法从多个角度对图像信息进行描述，分类器的训练过程也较为复杂，在应用于存在遮挡和光照变化的环境时，误报率较高的问题，本发明实施例提供了一种行人检测方法和装置，所述技术方案如下：

根据本发明实施例的第一方面，提供一种行人检测方法，所述方法包括：

分别获取行人样本和非行人样本；

通过K-奇异值分解K-SVD算法将所述行人样本训练为行人样本字典；

通过所述K-SVD算法将所述非行人样本训练为非行人样本字典；

获取待测样本在所述行人样本字典中的残留误差，所述待测样本为需要进行行人检测的样本；

获取所述待测样本在所述非行人样本字典中的残留误差；

当所述待测样本在所述行人样本字典中的残留误差小于所述待测样本在所述非行人样本字典中的残留误差时，确定所述待测样本中包含有行人。

可选地，所述通过K-奇异值分解K-SVD算法将所述行人样本训练为行人样本字典，包括：

将所述行人样本转化为行人边缘特征样本；

通过所述K-SVD算法将所述行人边缘特征样本训练为行人样本字典；

所述通过所述K-SVD算法将所述非行人样本训练为非行人样本字典，包括：

将所述非行人样本转化为非行人边缘特征样本；

通过所述K-SVD算法将所述非行人边缘特征样本训练为非行人样本字典。

可选地，所述通过所述K-SVD算法将所述行人边缘特征样本训练为行人样本字典，包括：

通过求解训练方程将所述行人边缘特征样本训练为行人样本字典；

所述通过所述K-SVD算法将所述非行人边缘特征样本训练为非行人样本字典，包括：

通过求解训练方程将所述非行人边缘特征样本训练为非行人样本字典；

其中所述训练方程为：

Di=argminxj(Σj=1K||yij-Dixj||22)]]>

所述训练方程的约束条件为：||x_j||₀≤L；其中D_i表示字典，y_ij表示所述行人边缘特征样本或非行人边缘特征样本，i＝0或1，i＝0时D_i表示非行人样本字典，y_ij表示非行人边缘特征样本，i＝1时D_i表示行人样本字典，y_ij表示行人边缘特征样本，x_j表示稀疏编码，1≤j≤K且j为整数，L为稀疏度控制系数。