[发明专利]一种多模型多阈值组合的行人检测方法

权利要求书

1.一种多模型多阈值组合的行人检测方法，其特征在于，包括以下步骤：

步骤一：通过不同的训练模型和阈值，建立至少一个可变形部件模型DPM和至少一个集成通道特征模型ICF来作为不同的检测子模块，并根据检测子模块的训练模型和阈值来赋予各检测子模块不同的可信度；

步骤二：将静态图像分别输入至步骤一中建立的检测子模块中，分别得出各检测子模块输出的包括检测方框的图像作为初步检测结果；

步骤三：将可信度最高的检测子模块所输出的初步检测结果存入最终检测结果集；

步骤四：按可信度降序依次检测余下的除最低可信度外的检测子模块所输出的初步检测结果，检测方法为将当前所检测的本级可信度初步检测结果内的检测方框与高一级可信度的检测方框进行包含内容的对比，若本级可信度的检测方框与高一级可信度的检测方框有重叠部分，且两个方框的重叠面积占高一级可信度的检测方框的面积的比例超过60％，则删除本级可信度的检测方框，否则保留，直至完成所有初步检测结果的检测；

步骤五：取完成步骤四后所保留的全部检测方框，和最低可信度的检测子模块的检测方框一起组成候选集；在候选集中选择2个不同检测方框，组成1个方框组，并在候选集中遍历全部方框来组成方框组，然后判断每个方框组中的2个方框是否为重复方框，判断过程为：对于2个检测方框，方框a和方框b，若方框b和方框a的重叠面积与方框b的面积之比大于60％，同时min(方框a面积,方框b面积)/max(方框a面积,方框b面积)>70％，且方框a为ICF检测子模块输出的检测结果，则删除方框a，否则保留方框a；

步骤六：取完成步骤五后所保留的全部检测方框，作为候选集，进行误 判消除处理；误判指方框内无行人或者两个位置相近的方框包含同一个人；先检查每个方框，判断是否为“无行人”，若是则删除此方框，再在候选集中选择2个不同检测方框，组成1个方框组，并在候选集中遍历全部方框来组成方框组，然后判断每个方框组中的2个方框是否位置接近，若接近则判断是否“包含同一个人”，若是则删除对应的检测计分较小或者可信度等级较低的方框，将保留下的检测方框存入最终检测结果集；

步骤七：综合所有最终检测结果集中的检测方框，输出检测结果。

2.根据权利要求1所述的的方法，其特征在于，所述的DPM检测子模块包括采用inria作为训练库和voc2007作为训练库的检测子模型，所述的ICF检测子模块包括采用inria、caltech、tud和eth作为训练库的检测子模型。

3.根据权利要求2所述的的方法，其特征在于，所述的采用inria作为训练库的DPM检测子模块的数量为三个，分别为采用高阈值、中阈值和低阈值的检测子模型，所述的高阈值对应低检测率，所述的低阈值对应高检测率。

4.根据权利要求3所述的的方法，其特征在于，所述的高、中、低阈值分别为：0.8,-0.3,-0.9。

5.根据权利要求2所述的的方法，其特征在于，所述的ICF检测子模块采用inria、caltech、tud和eth行人数据库中高度>75pixels的行人对象作为正样本进行训练，正样本的数量不少于20000个，负样本采用除行人外的其他图片进行训练，负样本的数量不少于100万个。

6.根据权利要求1所述的方法，其特征在于，所述的ICF检测子模块在图像处理完成后还进行自适应阈值检测，所述的自适应阈值检测过程包括以下步骤：

步骤1：ICF检测子模块处理1张图像后，得到的每个检测结果关联1个 检测计分，选择检测计分大于预设的计分阈值的检测结果；

步骤2：对于步骤1的结果，根据预设的接收比率按检测计分降序保留检测结果；

步骤3：若步骤2的结果中包含的检测结果数目超过上限数目，则根据上限数目按检测计分降序保留检测结果。

7.根据权利要求6所述的方法，其特征在于，自适应阈值检测中，步骤1中的计分阈值为15，步骤2中的接收比例为50％，步骤3中的上限数目为6。