[发明专利]一种行人检测方法

说明书

技术领域

本发明涉及一种行人检测技术，尤其是涉及一种视频中的行人检测方法。

背景技术

行人检测技术在视觉监控、汽车自动驾驶、机器人视觉、基于内容的图像与视频索引以及高级人机交互等方面具有广泛的应用。在实际应用中，由于受到场景的复杂性、视角与尺度的变化、人体姿态与着装的多样性以及部分遮挡等因素的影响，使得行人检测面临极大的挑战性。

近几年来随着研究的深入，研究人员提出了各种行人检测方法。Dalal与Triggs等人提出了一种基于梯度方向直方图的人体检测方法(Dalal N，Triggs B.Histograms of oriented gradient for human detection.In：IEEE Conference on Computer Vision and Pattern Recognition，Dalal N，Triggs B.基于梯度方向直方图的人体检测.电气电子工程师学会，计算机视觉与模式识别国际会议)，该人体检测方法通过提取梯度方向直方图(HOG，Histograms of Oriented Gradients)特征，采用多尺度窗口扫描结合SVM(Support Vector Machine，支持向量机)分类器的方式获得了较好的人体检测效果。Felzenszwalb等人提出了一种判别训练过程下的多尺度、可变形的部件模型(Felzenszwalb P，McAllester D，Ramanan D.A discriminatively trained，multiscale，deformable part model.In：IEEEConference on Computer Vision and Pattern Recognition，Felzenszwalb P.McAllesterD，Ramanan D.一种判别训练过程下的多尺度、可变形部件模型.电气电子工程师学会，计算机视觉与模型识别国际会议)，该方法将多尺度的变形部件模型与HOG特征相结合，利用一种新的隐式SVM判别方法解决部件位置为隐变量的训练问题，进一步提高了行人检测准确率。Dollar等人同样提出了一种基于部件模型的行人检测方法(Dollár P，Babenko B，Belongie S，Perona P，Tu Z.Multiple component learning for object detection.In：10th European Conference on Computer Vision，Dollár P，Babenko B，Belongie S，Perona P，Tu Z.基于多部件学习的对象检测.第10界计算机视觉欧洲会议)，不同的是该行人检测方法利用小波特征与Boosting方法训练部件模型。Sabzmeydani等人提出了一种基于类似形状特征学习的行人检测方法(Sabzmeydani P，Mori G.Detecting pedestrians by learningshapelet features.In：IEEE Conference on Computer Vision and Pattern Recognition，Sabzmeydani P，Mori G.基于类似形状特征学习的行人检测.电气电子工程师学会，计算机视觉与模型识别国际会议)，该行人检测方法通过Ada-Boost学习由底层梯度信息组合而形成的类似形状的中层特征，并进一步利用Ada-Boost选择形状特征子集进行人体检测，获得了超过基于梯度方向直方图的人体检测方法的检测效果。Tran等人提出了一种通过人体模型估计改进行人检测的方法(Tran D，Forsyth D.Configuration estimates improve  pedestrian finding.In：In Advances in Neural Information Processing System，Vol.20，Cambrige：MIT Press，Tran D，Forsyth D.模型估计改进行人检测.神经信息处理系统20卷.剑桥：麻省理工学院出版)，该行人检测方法利用梯度的局部直方图与梯度的局部PCA(Principal Component Analysis，主成分分析)特征学习人体模型完成人体检测。Wu等人提出了一种基于级联聚类树分类的多视角、多姿态对象检测方法(Wu B，Nevatia R.Cluster boosted tree classifier for multi-view，multi-pose object detection.In：IEEEInternational Conference on Computer Vision，Wu B，Nevatia R.基于级联聚类树分类的多视角、多姿态对象检测.电气电子工程师学会，计算机视觉国际会议)，该方法在Boosting 框架与edgelet特征相结合的基础上，通过自动构造层次树解决多视角的行人检测问题。