[发明专利]基于边缘对称性的行人检测方法

说明书

技术领域

本发明属于计算机视频监控技术领域，尤其涉及一种基于边缘对称性的行人检测方法。

背景技术

目前，行人检测在计算机视觉技术领域中已成为技术热点，它在辅助驾驶、视频监控、远距离身份识别等领域都有广泛的应用前景。在现有技术中，对行人进行检测主要通过视觉传感器以实现对行人的检测。

在现有的行人检测技术中，主要通过基于视觉传感器来实现；其中，基于统计分类方法是目前效果比较理想的一种行人检测方法，其主要通过HOG特征和SVM分类器以实现对通过视觉传感器所采集的图形进行检测，具体包括：使用64×64(像素点)大小的窗口对整幅图像进行多尺度下的密集扫描；再对每个子窗口计算HOG特征；最后使用SVM分类器进行分类，以提取出整幅图像中所包含的所有行人区域。

相关技术内容可参考文献(Dalal N，Triggs B.Histograms of oriented gradient for human detection.In：IEEE Conference on Computer Vision and Pattem 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)。虽然该方法取得了很好的检测效果，但是该方法的计算量相当巨大，因此存在检测速度较慢的技术缺陷。

有鉴于此，有必要对现有技术中的行人检测技术，尤其是对基于统计分类以实现对监控区域进行行人检测的技术予以改进，以解决上述技术瑕疵。

发明内容

本发明的目的在于提供一种基于边缘对称性的行人检测方法，用以降低计算量，提高对公共区域中通过视觉传感器所采集的图像中所包含的行人区域进行检测的效率与精度。

为实现上述发明目的，本发明提供了一种基于边缘对称性的行人检测方法，包括以下步骤：

S1、视觉传感器采集监控区域的视频流图像作为待检测图像；

S2、通过对称差分法对待检测图像进行边缘检测以得到运动区域边缘灰度图G_k(x，y)；

S3、对所述运动区域边缘灰度图进行二值化处理以得到运动区域边缘二值图R_k(x，y)；

S4、使用具对称中心的窗口扫描所述运动区域边缘二值图，并在窗口的对称中心设置至少两条中心线，获取同一条中心线与运动区域边缘二值图相重合的一组边缘像素点，并判断该组边缘像素点是否相互对称于所述对称中心，若存在至少两组相互对于对称中心的边缘像素点，则将所述运动区域边缘二值图定义为包含行人的候选行人区域。

作为本发明的进一步改进，所述步骤S1之前还包括：利用HOG特征和线性SVM分类器对训练样本集进行训练以得到HOG行人分类器。

作为本发明的进一步改进，所述步骤S1中的训练样本集包括：正样本集和负样本集，所述正样本集包括若干包含行人区域且大小为64×64的边缘二值图，所述负样本集包括若干不包含行人区域且大小为64×64的边缘二值图。

作为本发明的进一步改进，所述步骤S4之后还包括使用HOG行人分类器对所述步骤S4中的候选行人区域进行重合度匹配的步骤，以提取出行人区域。

作为本发明的进一步改进，所述步骤S2具体为：根据步骤S1获取的待检测图像，并计算相邻两帧待检测图像的绝对差灰度图像g_k(x，y)、g_k+1(x，y)，所述相邻两帧待检测图像的绝对差灰度图像的计算公式如下所示：

g_k(x，y)=|f_k(x，y)-f_k-1(x，y)|，g_k+1(x，y)=|f_k+1(x，y)-f_k(x，y)|；

其中，f_k-1(x，y)、f_k(x，y)、f_k+1(x，y)分别为从步骤S1中所获取的视频流图像中提取的连续三帧的待检测图像；

然后通过与运算得到运动区域边缘灰度图G_k(x，y)。

作为本发明的进一步改进，所述步骤S3具体为：计算分割阀值Tv后，根据所述分割阀值Tv对运动区域边缘灰度图进行二值化处理，从而得到运动区域边缘二值图R_k(x，y)；

所述分割阈值Tv的计算公式如下所示：