[发明专利]一种基于聚合通道特征的行人检测方法

权利要求书

1.一种基于聚合通道特征的行人检测方法，其特征在于，包括下列步骤：

步骤S1：设置第一尺度模型和第二尺度模型，其中第一尺度模型的滑窗尺度小于图像中行人目标的分辨率，第二尺度模型的滑窗小于或等于图像中期望检测到的第二目标尺度，所述第二目标尺度为预设值，且第一尺度模型的尺度大于第二尺度模型；

步骤S2：输入训练样本，按照步骤S1设置的第一、二尺度模型尺寸抽取正样本中的行人目标窗口，以及负样本的随机窗口，并对所提取的窗口进行聚合通道特征提取，得到正负训练样本特征向量；

步骤S3：训练强分类器：采用决策树作为弱分类器，根据正负训练样本特征向量，通过多次分类组合训练，最终由各个弱分类器加权形成应用于行人目标的强分类器；

步骤S4：计算待检测图像的图像金字塔，采用步骤S2相同的提取特征方式，对图像金字塔的各图像层进行聚合通道特征提取，得到各图像层的特征向量；

并将图像金字塔按图像层分为上下两部分，对上部分采用第一尺度模型进行滑窗检测，得到第一尺度目标窗口的置信度S_L；对下部分采用第二尺度模型进行滑窗检测，得到第二尺度目标窗口置信度S_S；

步骤S5：基于目标窗口的置信度，对第一、二尺度模型检测到的目标窗口分别采用非极大值抑制法进行重叠抑制；

再更新其中表示第二尺度目标窗口置信度S_S中的最大值；

计算融合模型尺度比信息的抑制阈值其中T_L表示重叠抑制处理时的第一尺度目标窗口的置信度S_L的非极大值抑制阈值，h_L和h_S分别表示第一尺度模型和第二尺度模型的滑窗窗口高度；

基于抑制阈值T对所有目标窗口进行非极大值抑制处理，得到最终检测结果。

2.如权利要求1所述的方法，其特征在于，步骤S4中，下部分包括图像金字塔的第一和第二层。

3.如权利要求1所述的方法，其特征在于，聚合通道特征包括LUV颜色通道特征、HOG特征和梯度幅值HIST特征。

4.如权利要求1所述的方法，其特征在于，第一尺度模型的尺度为：高128像素，宽60像素；第二尺度模型的尺度为：高64像素，宽32像素。