[发明专利]基于Gabor特征和HOG特征融合的行人检测系统

权利要求书

1.基于Gabor特征和HOG特征融合的行人检测系统，其特征在于，包括以下步骤：

S1、首先对输入图像进行预处理，若图像不是人脸图像，需要先对图像进行人脸检测、人脸截图和人脸对齐，然后针对人脸图像进行灰度化、滤波和归一化；

S2、构造Gabor滤波器组，设置滤波器的核尺寸和方向，构造Gabor滤波器组；

S3、对归一化人脸图像进行Gabor变换得到Gabor特征，共20个Gabor特征图，该特征图为一级特征；

S4、对大小为96X112的Gabor特征图提取HOG特征，采用Gamma校正消除光照不均对图像的影响，针对图像中的每个像素点(x，y)，分别沿水平方向和垂直方向计算梯度，把图像分成若干区称为细胞单元；

S5、将二级特征图压缩成一维的特征向量，再将特征向量进行串联构成融合特征；

S6、使用主成分分析对融合特征进行降维，得到降维后的数据特征，用SVM对降维后的G-H数据进行分类，最后输出结果。

2.根据权利要求1所述的基于Gabor特征和HOG特征融合的行人检测系统，其特征在于：所述S2中将滤波器核尺寸设置为3、5、7、9、11，方向设置为0°、45°、90°、135°，生成一个Gabor滤波器组，此时可以获得4X5＝20个不同的Gabor滤波器。

3.根据权利要求1所述的基于Gabor特征和HOG特征融合的行人检测系统，其特征在于：所述S4中将96X112划分成12X14个细胞单元，每个细胞单元的大小为8X8，并把每2X2个细胞单元划分为一个块，可以划分6X7个块。

4.根据权利要求3所述的基于Gabor特征和HOG特征融合的行人检测系统，其特征在于：所述S4中计算每个单元的每个像素的梯度，并统计细胞单元的梯度方向直方图，以30°为间隔划分6个bin，则每个细胞单元可以得到一个6维的特征向量，最后将块归一化的特征向量进行串联，合成HOG特征向量，通过此过程，可以得到20张特征图，该特征图为二级特征。