[发明专利]基于嵌入式系统的人体检测的方法以及装置

说明书

本发明公开了一种基于嵌入式系统的人体检测的方法以及装置，该人体检测的方法包括：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，分类器包括至少一个子分类器，子分类器包括：直方图查找表、特征维度编号以及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待检测图像的融合通道特征中的LUV特征信息；根据分类器对待检测的图像的融合通道特征信息进行判别，以确定待检测图像是否包括人体。通过建立RGB与LUV的颜色空间映射关系表，优化了训练和检测的速度，提高了嵌入式系统的人体检测的效率。

技术领域

本发明涉及视觉领域，特别是涉及一种基于嵌入式系统的人体检测的方法以及装置。

背景技术

人体检测广泛应用于监控系统、机场安全、机器人、人机交互等领域。目前，主要的人体检测方法分为三类：DPM(Deformable Part Model)、深度网络和决策森林。

DPM是由Felzenszwalb提出，正如其名称所述，可变形的组件模型，是一种基于组件的检测算法，由于其在训练中需要针对人体各个部位(头、手臂等)设计并计算多个局部组件模板，因此特征计算量较大，检测速度慢。

深度网络是利用卷积神经网络对大量的样本进行学习和训练来实现目标检测的方法，能够实现端到端的检测。而决策森林方法通常首先需要人工设计样本的特征通道图像并计算样本的手工特征，然后将特征融合后送入离线训练好的决策森林中来判断该特征是否为人体。但是深度网络和决策森林在训练和检测时都依赖大量的计算资源。

发明内容

本发明主要解决的技术问题是提供一种基于嵌入式系统的人体检测的方法以及装置，建立RGB与LUV的颜色空间映射关系表，优化了训练和检测的速度，提高了嵌入式系统的人体检测的效率。

为解决上述技术问题，本发明采用的第一个技术方案是：提供一种基于嵌入式系统的人体检测的方法，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；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。

为解决上述技术问题，本发明采用的第二个技术方案是：提供一种智能设备，所述智能设备包括处理器以及存储器，所述处理器与所述存储器耦接；所述存储器用于存储程序数据以及执行所述程序数据所产生的中间数据；所述处理器用于执行所述程序数据，以实现本发明任一所述的人体检测的方法。

为解决上述技术问题，本发明采用的第三个技术方案是：提供一种具有存储功能的装置，所述装置上存储有程序数据，所述程序数据被执行以实现本发明任一所述的人体检测的方法。

本发明的有益效果是：区别于现有技术，本发明的基于嵌入式系统的人体检测的方法包括：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，分类器包括至少一个子分类器，子分类器包括：直方图查找表、特征维度编号以及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待检测图像的融合通道特征中的LUV特征信息；根据分类器对待检测的图像的融合通道特征信息进行判别，以确定待检测图像是否包括人体。