[发明专利]一种基于HIKSVM分类器的多特征融合的行人检测方法

权利要求书

1.一种基于HIKSVM分类器的多特征融合的行人检测方法，其特征在于，包括以下步骤：

确定行人图像序列中的行为区域；

在上述行为区域内提取多项特征1，并进行融合，形成融合特征1；

利用训练好的基于上述融合特征1的HIKSVM分类器进行行人检测；

所述HIKSVM分类器的训练，包括以下步骤：

将训练集的尺度变换到统一大小，检测出行为区域；

在检测出的所述行为区域内提取多项特征2，并进行融合，得到融合特征2；

使用直方图交叉核支持向量机，对训练集中的正负样本进行训练过程中，采用了交叉坐标下降的方法；

所述交叉坐标下降的方法包括，利用解向量ω和表矩阵T之间的双射关系，通过初始化解向量ω来实现表矩阵T的初始化；通过对对偶形式的解α_i的不断更新来更新解向量ω，实现表矩阵T的更新；

所述提取多项特征1和提取多项特征2均包括：提取形状特征、提取运动特征、提取纹理特征；

其中，通过梯度方向直方图提取形状特征，通过光流场方向直方图提取运动特征，采用局部量化编码的方法提取纹理特征；

所述形成融合特征1和融合特征2，均包括：

提取LQC纹理谱；

将上述提取的纹理谱进行HOG运算，得到局部量化编码下的梯度方向直方图；

将上述得到的局部量化编码下的梯度方向直方图与HOF按顺序级联方式进行融合，得到融合特征1或融合特征2。

2.根据权利要求1所述的方法，其特征在于，所述提取纹理特征，包括：

将检测窗口划分为小区域，对于每个区域中的一个像素，采用局部量化编码的方法进行量化；

根据上述量化的结果，构建每个区域的直方图；

对上述得到的直方图进行归一化处理；

将上述归一化处理后得到的每个区域的直方图进行连接，得到图像的纹理特征。

3.根据权利要求2所述的方法，其特征在于，所述采用局部量化编码的方法，包括：采用十进制进行编码；通过全局量化方法得到中心像素的灰度值；使用一系列基于平均局部灰度差异的阈值来进行量化。

4.根据权利要求3所述的方法，其特征在于，所述提取形状特征，包括：

将输入图像进行灰度化处理；

采用Gamma校正法对上述图像进行颜色空间的标准化；

计算上述标准化后的图像中每个像素的梯度；

将输入图像分割为小的单元格；

构建上述每个单元格的梯度方向直方图；

把上述单元格组合成大的块，块内归一化梯度直方图向量，即为HOG特征描述子；

将上述输入图像序列内的所有块的HOG特征描述子串联起来得到所述图像的形状特征。

5.根据权利要求4所述的方法，其特征在于，所述提取运动特征，具体包括：计算图像的光流场，求解光流场，得到运动特征向量。

6.根据权利要求5所述的方法，其特征在于，使用主成分分析方法对所述融合特征1和融合特征2进行降维。