[发明专利]基于累积二元组合的Haar特征的行人检测方法

权利要求书

1.基于累积二元组合的Haar特征的行人检测方法，其特征在于，包括以下步骤：

S1、基于GentleAdaboost级联算法对训练样本集进行训练，得到行人级联分类器；

S2、获取监控区域的视频流图像作为输入图像；

S3、利用行人级联分类器对输入图像进行行人检测；

S4、基于EKM算法对检测得到的行人进行跟踪和计数。

2.根据权利要求1所述的行人检测方法，其特征在于，所述步骤S1具体为：

首先计算正/负样本集中正/负样本的累积二元组合的Haar特征的特征向量，

然后对所述累积二元组合的Haar特征进行训练，以得到行人级联分类器；其中，

所述正样本集中的正样本包含行人头部和/或肩部；所述负样本集中的负样本不包含行人头部和/或肩部。

3.根据权利要求2所述的行人检测方法，其特征在于，所述“累积二元组合的Haar特征”的计算步骤包括：

S11、以一个基本二值化Haar特征为中心点，连接8个相邻的局部二值化Haar特征，组合成一个类似基本局部二元模式的3*3矩阵；

S12、计算中心点相邻的8个基本二值化Haar特征的特征值；

S13、根据相邻的8个基本二值化Haar特征的特征值计算所述特征中心点的“累积二元组合的Haar特征”的特征值，所述计算公式为：ABH_featurevalue＝(b₇，b₆，.....，b₀)₂；

其中，(b₇，b₆，.....，b₀)₂表示将其中二进制数值转换成为十进制数；b_t为相邻的二值Haar特征值。

4.根据权利要求1或2所述的行人检测方法，其特征在于，所述正/负样本集中的正/负样本为30×30～100×100像素的256阶灰度图像。

5.根据权利要求1所述的行人检测方法，其特征在于，所述步骤S2具体为：通过摄像机获取监控区域的视频流图像作为输入图像，所述监控区域位于摄像机的正下方。

6.根据权利要求1所述的行人检测方法，其特征在于，步骤S4中的所述“EKM算法”具体为：根据前一帧中目标位置的坐标，利用Kalman滤波来预测本帧中目标可能的坐标点，之后再利用meanshift算法以估计到的坐标点为起始点进行迭代运算。