[发明专利]基于信息融合的行人快速检测跟踪方法

权利要求书

1.一种基于信息融合的行人快速检测跟踪方法，其特征在于，该方法包括以下步骤：

步骤S1：利用激光扫描仪以固定的频率扫描周围环境，得到激光数据；

步骤S2：滤除所述激光数据中的无效数据，得到候选目标数据；

步骤S3：对于激光扫描仪和摄像机之间的坐标参数进行标定，得到两个坐标系之间的坐标转换参数；

步骤S4：基于所述候选目标数据，对于其中的候选目标进行确认；

步骤S5：建立实时跟踪模型，并根据所述实时跟踪模型对于所述步骤S4确认的候选目标进行跟踪。

2.根据权利要求1所述的方法，其特征在于，所述激光扫描仪为二维激光扫描仪。

3.根据权利要求1所述的方法，其特征在于，令集合L＝{l_z}表示一组激光数据，其中，z＝1,…,Z，Z表示激光数据点数，则所述步骤S2进一步包括以下步骤：

首先，将集合L与核模板[-1,1]进行卷积，保留点间距在一定范围内的数据点，得到粗去噪结果集合：C＝{c_n},n＝1,....N，其中，N表示粗去噪结果集合中激光数据点数；

然后，对于粗去噪结果集合进行聚类操作，得到一组候选目标数据集合S。

4.根据权利要求3所述的方法，其特征在于，所述聚类操作具体为：

聚类初始，将每一数据点作为一类，计算新类与单个样本数据点之间的距离，若相邻两类c_n-1和c_n之间的间距属于某一预定阈值范围内，则认为它们属于同一类，否则就认为属于不同类，并以当前的单个样本数据点作为新增类的起始点。

5.根据权利要求1所述的方法，其特征在于，所述步骤S3中，利用标定板被激光扫描仪和摄像机同时捕获的方法来求得激光坐标系和摄像机坐标系之间的旋转和平移矩阵。

6.根据权利要求1所述的方法，其特征在于，所述步骤S4进一步包括以下步骤：

步骤S41，将训练样本图像按照预定大小像素块分割为若干个基本单元；

步骤S42，将每相邻的m个单元划分为一个区域块block，将梯度方向平均划分，在180°的方向范围内得到多个基本方向bins；

步骤S43，对于每个基本单元，将其中所有像素在所有基本方向上进行投影以建立各自的梯度方向直方图；

步骤S44，将每个区域块中含有的基本单元的梯度方向直方图连接起来，得到向量；

步骤S45，再将所有的区域块的向量归一化后串连起来，得到每个训练样本的HOG特征向量；

步骤S46，基于提取得到的HOG特征向量训练得到一个SVM分类模型；

步骤S47，对于摄像机坐标系所述训练样本图像上的某个候选区域，通过逐像素区域扫描多尺度图像区域的方式来判断该区域内是否存在目标。

7.根据权利要求1所述的方法，其特征在于，所述实时跟踪模型表示为：

S*=argmaxSP(S|T)=argmaxSP(T|S)P(S),]]>

其中，T为给定的观测向量，S为候选目标集合。

8.根据权利要求7所述的方法，其特征在于，所述实时跟踪模型还设有约束条件：

其中，T_k表示场景中第k个目标的观测向量,T表示场景中各个目标的观测向量总合。

9.根据权利要求1所述的方法，其特征在于，所述实时跟踪模型的目标方程表示为：

S=argminSαΣi,jCj,itj,i+ΣiCj,itj,i+ΣiCjti+argminSβΣi,jCj,itj,i+ΣiCiti=argminSαΣi,jCj,itj,i+ΣiCiti+argminSβΣi,jCj,itj,i,]]>

其中，S^α表示具有联合目标轨迹的区域；S^β表示独立目标轨迹区域；t_j,i和t_i表示二值指示变量，表示观测轨迹T_j与T_i之间的转移相似度代价值，C_j,i＝-logP_sim(T_jk-1|T_ik),C_i表示观测轨迹T_j深度代价值

Ci=-logP(Ti|S)-logpi1-pi=log1-pipi.]]>