[发明专利]行人检测方法及系统

说明书

技术领域

本发明涉及汽车安全技术领域，特别涉及一种行人检测方法及系统。

背景技术

为了保证车辆安全，越来越多的车辆上安装行人检测装置，以提醒驾驶员车辆周围是否有行人。但是由于行人本身及其周围环境的特点，要做到更加准确、实时地检测仍是一个困难任务。这主要是因为行人是一种非刚性的物体，站立角度、衣着、遮挡等情况的不同，导致了行人检测的复杂性；另外摄影角度和属性、光照角度和强度、周边物体的多样性等也给目标的精确检测带来一定的难度。在基于统计学习的方法中，行人检测可以被看作是一个二分类问题，要解决行人检测面临的难点，就需要从特征提取和模式分类两个方面入手：(1)如何充分描述行人所具备的特征，使之能够与其它物体区分开来；(2)如何从特征数据中快速准确地将数据进行分类，得到最终的检测结果。

常用描述行人的特征有Haar-like矩形特征，方向梯度直方图(HistogramsofOrientedGradient,HOG)特征，基于Gabor滤波器的皮层特征，流形特征，形状特征和颜色特征等。其中Haar-like矩形特征描述的是刚性物体的灰度特征，其与AdaBoost分类器的结合在人脸检测中取得了巨大成功，但对于行人检测却存在一定程度的局限性。HOG特征反映物体的形状和梯度信息，可以降低不同衣着、光照、姿势带来的干扰，在行人检测中使用较为普遍。然而对于指定尺寸的样本集，HOG特征的不足之处在于其维数较高，导致训练速度较低。

常用的分类学习方法有Adaboost集成学习，支持向量机(SupportVectorMachine,SVM)，神经网络等。在驾驶辅助系统等应用中对行人检测系统的实时性与鲁棒性要求非常苛刻，要求很低的误警率与虚警率，现有方法的计算复杂度普遍较高，难以满足实时应用的需求。

发明内容

本发明的目的旨在至少解决所述技术缺陷之一。

为此，本发明的一个目的在于提出一种行人检测方法，该方法可有效缩减行人检测时间，具有检测效率高、检测精度高的优点。

本发明的另一个目的在于提出一种行人检测系统。

为达到上述目的，本发明的第一方面的实施例公开了一种行人检测方法，包括以下步骤：提取训练样本的方向梯度直方图HOG特征向量，并对所述HOG特征向量进行分解以得到HOG-NMF特征向量；根据所述HOG-NMF特征向量和加性交叉核函数构造支持向量机SVM分类器；对采样图像的扫描窗口进行筛选以得到候选样本；获取所述候选样本的HOG-NMF特征向量；以及根据所述SVM分类器对所述候选样本的HOG-NMF特征向量进行识别以得到行人检测结果。

根据本发明实施例的方法，通过对候选样本的帅选、HOG特征的降维以及采用加性交叉核SVM相结合的处理方式，使支持向量机SVM分类器对行人识别，可有效缩减检测时间，具有检测效率高、检测精度高的优点。

本发明第二方面的实施例公开了一种行人检测系统，包括：特征提取模块，用于提取训练样本的方向梯度直方图HOG特征向量，并对所述HOG特征向量进行分解以得到HOG-NMF特征向量，以及获取候选样本的HOG-NMF特征向量；分类器训练模块，用于根据所述HOG-NMF特征向量和加性交叉核函数构造支持向量机SVM分类器；预处理模块，用于对采样图像的扫描窗口进行筛选以得到候选样本；分类器识别模块，用于根据所述SVM分类器对所述候选样本的HOG-NMF特征向量进行识别以得到行人检测结果。

根据本发明实施例的系统，通过对候选样本的帅选、HOG特征的降维以及采用加性交叉核SVM相结合的处理方式，使支持向量机SVM分类器对行人识别，可有效缩减检测时间，具有检测效率高、检测精度高的优点。

本发明附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。

附图说明

本发明所述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：

图1是根据本发明一个实施例的行人检测方法的流程图；

图2A和图2B是应用本发明一个实施例的行人检测方法得到的采样图像和显著图；

图3A和图3B是应用本发明一个实施例的行人检测方法得到的行人检测结果的示意图；

图4是根据本发明一个实施例的行人检测系统的结构框图；以及

图5是根据本发明一个实施例的行人检测系统的对行人检测的步骤图。

具体实施方式