[发明专利]一种单帧图像中的人体检测方法

权利要求书

1.一种单帧图像中的人体检测方法，其特征在于：利用Multi-Block特征对人体进行检测；具体的，先通过采集到的正负样本离线训练分类器，然后用训练好的分类器对输入图像进行检测；以Multi-Block特征为研究对象，考虑检测速度和选取的样本图像大小两个因素，将Multi-Block特征定义为将一个矩形划分为12个大小一致的矩形块，其中6个矩形块为白色区域，6个矩形块为黑色区域，其特征值定义为白色区域像素和减去黑色区域像素和。

2.根据权利要求1所述的一种单帧图像中的人体检测方法，其特征在于：12个矩形块中，行方向上3个矩形块，列方向上4个矩形块，得到924种Multi-Block特征模板。

3.根据权利要求1所述的一种单帧图像中的人体检测方法，其特征在于：每种Multi-Block特征模板在样本图像任意位置出现，其大小在行方向上是3像素倍数、列方向上是4像素倍数，即Multi-Block特征的尺寸是4×3像素、8×3像素或4×6像素。

4.根据权利要求1所述的一种单帧图像中的人体检测方法，其特征在于：每种Multi-Block特征模板在大小为24×36像素的样本图像中得到13860种弱特征，则924种特征模板能得到上千万种弱特征。

5.根据权利要求1所述的一种单帧图像中的人体检测方法，其特征在于：利用两个随机数从一千多万种弱特征中选取一定数量的弱特征作为训练特征集。

6.根据权利要求1所述的一种单帧图像中的人体检测方法，其特征在于：Multi-Block特征的具体训练过程如下：

(1)产生一个随机数用于选择Multi-Block特征模板，其参数是该特征模板中6个矩形块的编号；即从924种Multi-Block特征模板中选择一种，其参数为12个矩形区域中白色区域的编号；将12个矩形区域从上到下、从左到右进行编号为：1-4、5-8、9-12；

(2)再产生一个随机数用于选择特征模板在样本图像中的位置和大小；

(3)重复(1)、(2)步，选择弱特征，参数包括Multi-Block特征模板中白色区域编号，特征模板在样本图像中的位置和尺寸，直到弱特征个数达到预先设定的特征集总数；

(4)利用Adaboost学习算法训练由前3步获得的弱特征集，选取分类效果最佳的弱特征并将其线性加权到强分类器中，直到强分类器的虚警率和检测率满足要求；

(5)每训练一级强分类器均需利用两个随机数产生弱特征组成用于训练的弱特征集；

(6)继续训练强分类器直到虚警率小于设定值。