[发明专利]基于SURF高效匹配核的人体检测方法

摘要

本发明提出了一种基于SURF高效匹配核人体检测方法，主要解决现有方法不能较好处理图像背景混杂的问题。其实现过程是:在INRIN数据库中通过自举获得负样本，与数据库中正样本一起构成整个人体的训练样本集；对训练样本在不同图像尺度下提取SURF描述子特征点；随机采样提取特征点构成视觉词汇的初始向量基；对初始向量基使用带约束的奇异值分解获得最大核函数特征；对不同图像尺度下的最大核函数特征进行加权获得所有图像尺度下的特征；对得到的特征利用SVM分类器进行分类训练，得到检测分类器；将待检测图像输入到分类器中得到最终的检测结果。本发明能够准确检测人体，可用于智能监控、驾驶员辅助系统和虚拟视频。

主权项

1.一种基于SURF高效匹配核的人体检测方法，包括如下步骤：(1)从法国国家信息与自动化研究所INRIA数据库中通过自举操作获取负样本，并与数据库中其它的正样本一起构成整个人体训练样本集；(2)将每幅训练样本图像分割为8×8像素格子，每个格子分别按16和25像素大小的图像尺度采样，提取所有训练图像的SURF Speed Up Robust Feature描述子特征点F；(3)通过对所有训练图像的SURF描述子特征点F进行随机采样，获得整个训练样本350维的视觉词汇，用获得的350维视觉词汇构成初始基向量R；(4)将初始基向量R，利用带约束的核奇异值分解CKSVD进行字典学习，得到最大核函数特征r；(5)通过最大化特征值提取法，抑制相似的最大核函数特征r，并按降序提取核函数特征值，删除最大值一样的元素，得到特征向量G,对每个不同图像尺度的图像特征G进行加权求和，得到所有图像尺度的特征G′：G′＝G×A_l，其中，A_l为不同图相尺度的权重，l＝[1,2]，w_l＝1/p_l,p是提取的SURF特征点的图像尺度的像素大小，p＝{16,25}；(6)储存所有图像尺度的特征G′，选择G′中类似高斯分布的低维特征h，作为最终图像的SURF高效匹配核特征X；(7)使用支持矢量机SVM分类器对所得到的SURF高效匹配核特征X进行分类训练，得到最终用于检测的分类器；(8)输入待检测图像，利用已经得到的分类器确定最终的检测结果。