[发明专利]一种机器学习算法级联的铁轨行人检测方法

说明书

本发明公开了一种机器学习算法级联的铁轨行人检测方法，首先构建机器学习算法级联的铁轨行人检测系统，包括：特征向量库构建模块、分类器训练模块、提升树行人检测模块和支持向量机行人目标检测模块；然后通过采集铁轨附近行人图像，构建训练样本集合；采用提升树算法完成特征向量库的训练，利用支持向量机对方向直方图特征向量库进行训练；再次，加载提升树算法训练得到的分类器，在待检测图像中提取行人目标的粗检测区域；最后，在行人目标的粗检测区域利用分类器完成行人目标的确认。本方法采用提升树算法和支持向量机级联的方式，充分利用了提升树的高精度检测效果以及支持向量机良好的二分类性能，提升了铁轨附近行人的检测效果。

技术领域

本发明涉及一种铁轨附近行人检测方法，特别是一种机器学习算法级联的铁轨行人检测方法。

背景技术

对铁轨附近行人进行检测，可以辅助列车安全驾驶，降低列车事故的发生。通常应用提升树算法进行行人目标检测，存在过于依赖弱分类器选择的缺点，而支持向量机对缺失数据敏感，因此，单独采用提升树算法或支持向量机训练分类器进行行人检测，易产生误检测和漏检测的结果，本发明采用一种机器学习算法级联的铁轨附近行人检测方法，首先，利用提升树训练得到的分类器完成行人目标的粗检测，然后，在行人目标的粗检测区域，利用支持向量机训练得到的分类器，完成最终的行人目标检测，采用提升树和支持向量机级联的方式，充分利用了提升树的高精度检测效果以及支持向量机良好的二分类性能，提升行人检测的效果。

发明内容

本发明目的在于提供一种机器学习算法级联的铁轨行人检测方法，解决单独一种机器学习算法易产生误检测和漏检测等问题。

一种机器学习算法级联的铁轨行人检测方法的具体步骤为：

第一步构建机器学习算法级联的铁轨行人检测系统

机器学习算法级联的铁轨行人检测系统，包括：特征向量库构建模块、分类器训练模块、提升树行人检测模块和支持向量机行人目标检测模块。所述：

特征向量库构建模块的功能为：构建训练样本的集合；

分类器训练模块的功能为：分别利用提升树算法和支持向量机对构建的训练样本集合进行训练，并得到分类器；

提升树行人检测模块的功能为：实现行人目标的粗检测；

支持向量机行人目标检测模块的功能为：对粗检测到的行人目标进行最终确认；

第二步特征向量库构建模块构建训练样本集合

采集行人图像，构建待训练的正样本和负样本，其中，正样本为包含行人的图像，标签记为1，负样本为不包含行人的图像，标签记为-1，样本总数为N，提取所有样本图像的局部二进制特征，构建特征向量库f_L，得到训练集T_L＝{(l₁,y₁),(l₂,y₂),...,(l_i,y_i),...,(l_N,y_N)}，l_i为特征库f_L中第i个局部二进制向量，且1≤i≤N，y_i为第i个向量的标签，且有y_i∈Y＝{1,-1}；同时，提取所有样本图像的方向直方图特征，构建特征向量库f_H，得到训练集T_H＝{(h₁,y₁),(h₂,y₂),...,(h_i,y_i),...,(h_N,y_N)}，h_i为特征库f_H中第i个方向直方图向量，且1≤i≤N y_i为第i个向量的标签；

第三步训练分类器模块完成训练集的训练