[发明专利]一种基于视频分析的道路行人及非机动车检测方法

权利要求书

1.一种基于视频分析的道路行人及非机动车检测方法，其特征在于，包括：

设置检测区域步骤，并将所述的检测区域划分为目标进入区域和目标跟踪区域，

尺度模型标定步骤，标定获取行人及非机动车尺度模型；

检测步骤，包括以下步骤：

（1）、对当前帧图像进行运动区域检测，获取各个运动区域；

（2）、对运动区域进行目标检测及跟踪：判断各个运动区域位于所述检测区域中的位置， 

若运动区域位于目标进入区域，首先采用跟踪目标匹配法，将已有跟踪目标与该运动区域进行匹配计算，若匹配成功，并将该运动目标作为跟踪目标进行更新，对于匹配失败的运动区域采用模式识别算法检测，检测出运动目标类型和运动目标位置信息，所述的运动目标类型包括机动车、行人、非机动车三种类型，并将所检测出的行人、非机动车创建为新的跟踪目标；

若运动区域位于目标跟踪区域，利用已有跟踪目标与该运动区域进行匹配计算，匹配出跟踪目标在当前帧的位置；

（3）、目标预测，对跟踪目标，利用其在当前帧的位置和在前一帧的位置预测出其在下一帧的位置，也即目标预测点。

2.根据权利要求1所述的基于视频分析的道路行人及非机动车检测方法，其特征在于，在步骤（3）之后还包括：

步骤（4）、对跟踪目标进行消失判断，若已有的跟踪目标未匹配出，首先根据其所在位置判断是否满足消失条件，若符合消失条件，则进行目标分析，分析出该跟踪目标的运动轨迹以及运动速度，再次对该跟踪目标的类型进行判断并输出。

3.根据权利要求2所述的基于视频分析的道路行人及非机动车检测方法，其特征在于，所述的目标分析方法为：

首先，分析目标运行轨迹，

当跟踪目标横向移动时，根据非机动车宽高比和行人的宽高比的属性特征，再次判断该目标为非机动车还是行人， 

当跟踪目标符合消失条件时,也即跟踪目标在目标跟踪区域消失、或跟踪目标要离开检测区域时，通过目标运行轨迹，分析目标跳跃和轨迹震荡，得出目标可信度，当低于设定目标可信度阈值时，去除目标，

其次，分析目标运行速度，速度高于设定阈值的，判别为非机动车。

4.根据权利要求2所述的基于视频分析的道路行人及非机动车检测方法，其特征在于，在所述的检测步骤之前还包括训练步骤，训练机动车和行人非机动车分类模型，以及训练行人和非机动车分类模型；在检测步骤的步骤（2）中，对于匹配失败的运动区域采用模式识别算法检测，所述的模式识别算法包括采用梯度方向直方图方法和支持向量机的方法,具有以下步骤：

（211）、根据尺度变换级别进行尺度变换，所述尺度变换级别的确定是根据匹配失败的运动区域在图像中的位置，设定最大高度Hmax和最小高度Hmin，依据预先设定的缩放步长step，利用公式scaleLevel=（Hmax-Hmin）/step得到缩放次数，该缩放次数也即尺度变换级别；

（212）、采用梯度方向直方图方法和支持向量机的方法将机动车和行人非机动车进行二分类，首先计算梯度方向直方图特征，然后将其输入机动车和行人非机动车分类模型将两者进行分类，过滤掉机动车；

（213）、将上一步的分类为行人非机动车的结果输入至行人和非机动车分类模型进行分类，分类出行人和非机动车两种类型。

5.根据权利要求1-4任一项权利要求所述的基于视频分析的道路行人及非机动车检测方法，其特征在于，在尺度模型标定步骤中，标定获取行人及非机动车尺度模型的方法为：

获取行人在检测区域顶端和底端尺寸，顶端尺寸包括宽度w1和高度h1，底端尺寸包括宽度w2和高度h2，以及计算行人尺寸衰减步长：

step_w = (w2-w1) / H; step_h = (h2-h1) / H;

其中，step_w为宽度衰减步长，step_h为高度衰减步长，H为检测区域高度，

行人在位置(x, y)处的尺度为(w, h)，其尺度模型为： 

w = w2 - y * step_w;

h = h2 - y * step_h;

非机动车在位置(x, y)处的尺度为(w’, h’)，其尺度模型为：

w’ = w * p;

h’ = h * p;

其中，p为行人与非机动车的比例系数。