[发明专利]一种基于聚合通道特征的行人检测方法

摘要

本发明公开了一种基于聚合通道特征的行人检测方法，属于数字图像处理技术领域。本发明利用基于聚合通道特征的行人检测方法训练多个模型，即大、小窗口模型，来解决使用单一模型所造成的误检漏检问题。并且在使用非极大值抑制算法进行窗口抑制过程中，提升大窗口模型所检测到的窗口的置信度，同时根据大、小模型的滑窗尺度比更新非极大值抑制阈值，从而抑制误检为小目标的身体部位。相比较于采用单一模型的基于聚合通道特征的行人检测方法，本发明能够有效降低误检、漏检率，并且能够达到实时的要求。

主权项

一种基于聚合通道特征的行人检测方法，其特征在于，包括下列步骤：步骤S1：设置大尺度模型和小尺度模型，其中大尺度模型的滑窗尺度小于图像中行人目标的分辨率，小尺度模型的滑窗小于或等于图像中期望检测到的小目标尺度，所述小目标尺度为预设值；步骤S2：输入训练样本，按照步骤S1设置的大小模型尺寸抽取正样本中的行人目标窗口，以及负样本的随机窗口，并对所提取的窗口进行聚合通道特征提取，得到正负训练样本特征向量；步骤S3：训练强分类器：采用决策树作为弱分类器，根据正负训练样本特征向量，通过多次分类组合训练，最终由各个弱分类器加权形成应用于行人目标的强分类器；步骤S4：计算待检测图像的图像金字塔，采用步骤S2相同的提取特征方式，对图像金字塔的各图像层进行聚合通道特征提取，得到各图像层的特征向量；并将图像金字塔按图像层分为上下两部分，对上部分的采用大尺度模型进行滑窗检测，得到大尺度目标窗口的置信度SL；对下部分采用小尺度模型进行滑窗检测，得到小尺度目标窗口置信度SS；步骤S5：基于目标窗口的置信度，对大小尺度模型检测到的目标窗口分别采用非极大值抑制法进行重叠抑制；再更新其中表示小尺度目标窗口置信度SS中的最大值；计算融合模型尺度比信息的抑制阈值其中TL表示重叠抑制处理时的大尺度目标窗口的置信度SL的非极大值抑制阈值，hL和hS分别表示大尺度模型和小尺度模型的滑窗窗口高度；基于抑制阈值T对所有目标窗口进行非极大值抑制处理，得到最终检测结果。