[发明专利]基于嵌入式系统的人体检测的方法以及装置有效
申请号: | 201711498652.2 | 申请日: | 2017-12-29 |
公开(公告)号: | CN109993035B | 公开(公告)日: | 2021-06-29 |
发明(设计)人: | 熊友军;张惊涛;王先基 | 申请(专利权)人: | 深圳市优必选科技有限公司 |
主分类号: | G06K9/00 | 分类号: | G06K9/00;G06K9/46;G06K9/62 |
代理公司: | 深圳市威世博知识产权代理事务所(普通合伙) 44280 | 代理人: | 何青瓦 |
地址: | 518000 广东省深圳市南*** | 国省代码: | 广东;44 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 基于 嵌入式 系统 人体 检测 方法 以及 装置 | ||
1.一种基于嵌入式系统的人体检测的方法,其特征在于,所述方法包括:
建立人体样本融合通道特征集,按照预设的算法对所述人体样本融合通道特征集中的每一个样本按照预设权重进行至少一次迭代更新,得到人体检测分类器,所述分类器包括至少一个子分类器,所述子分类器包括:直方图查找表、特征维度编号以及所述子分类器对应的阈值;具体包括:按照预设的算法对所述人体样本融合通道特征集中的每一个样本按照预设权重进行至少一次迭代更新,得到所述人体样本融合通道特征集每一维所对应的基于数组形式的直方图;获取归一化因子最小的直方图,以建立直方图查找表,并将所述归一化因子最小的直方图确定为本次迭代的子分类器,并采集所述子分类器对应的特征维度编号以及所述子分类器对应的阈值;
获取待检测图像的RGB颜色空间信息,根据预先建立的RGB与LUV的颜色空间映射关系表确定所述待检测图像的融合通道特征中的LUV特征信息;
根据所述分类器对所述待检测的图像的融合通道特征信息进行判别,以确定所述待检测图像是否包括人体。
2.根据权利要求1所述的方法,其特征在于,所述建立人体样本融合通道特征集,按照预设的算法对所述人体样本融合通道特征集中的每一个样本按照预设权重进行至少一次迭代更新,得到人体检测分类器,所述分类器包括至少一个子分类器,所述子分类器包括:直方图查找表、特征维度编号以及所述子分类器对应的阈值的步骤包括:
按照公式(1)得到所述人体检测分类器H(x),
其中,t为迭代次数,ht(x)为第t次迭代得到的子分类器,x为人体样本融合通道特征集合。
3.根据权利要求1所述的方法,其特征在于,所述获取待检测图像的RGB颜色空间信息,根据预先建立的RGB与LUV的颜色空间映射关系表确定所述待检测图像的融合通道特征中的LUV特征信息的步骤具体包括:
获取所述待检测图像,从所述待检测图像中提取所述待检测图像的RGB颜色空间信息;
根据预先建立的RGB与LUV的颜色空间映射关系表确定所述待检测图像的颜色通道特征、梯度幅值特征以及梯度直方图特征。
4.根据权利要求1所述的方法,其特征在于,所述建立人体样本融合通道特征集,按照预设的算法对所述人体样本融合通道特征集中的每一个样本按照预设权重进行至少一次迭代更新,得到人体检测分类器,所述分类器包括至少一个子分类器,所述子分类器包括:直方图查找表、特征维度编号以及所述子分类器对应的阈值的步骤包括:
建立所述人体样本融合通道特征集,采用Adaboost迭代算法对样本集中的样本进行至少一次迭代更新,得到每个所述样本所对应的基于数组形式的直方图。
5.根据权利要求1所述的方法,其特征在于,所述建立人体样本融合通道特征集,按照预设的算法对所述人体样本融合通道特征集中的每一个样本按照预设权重进行至少一次迭代更新,得到人体检测分类器,所述分类器包括至少一个子分类器,所述子分类器包括:直方图查找表、特征维度编号以及所述子分类器对应的阈值的步骤包括:
利用所述人体检测分类器对所述人体样本融合通道特征集进行遍历,获取输出的最大值,作为本次迭代的子分类器的阈值。
6.根据权利要求1所述的方法,其特征在于,所述根据所述分类器对所述待检测的图像的融合通道特征信息进行判别,以确定所述待检测图像是否包括人体的步骤包括:
根据所述子分类器的特征维度编号和所述待检测图像的融合通道特征信息,得到所述特征维度编号对应的特征值,确定所述特征值所对应的子空间,将所述子空间的输出值与所述子分类器对应的阈值进行比较;
若所述子空间的输出值不小于所述子分类器对应的阈值,则继续判别;若所述子空间的输出值小于所述子分类器对应的阈值,则所述特征信息中不包括人体信息,并终止判别。
7.根据权利要求1所述的方法,其特征在于,所述映射关系表为[256×256×256×3]的浮点数组。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于深圳市优必选科技有限公司,未经深圳市优必选科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201711498652.2/1.html,转载请声明来源钻瓜专利网。