[发明专利]一种基于多粒度特征的行人检测方法

权利要求书

1.一种基于多粒度特征的行人检测方法，其特征在于，包括以下步骤：

S1、提取训练样本集中的多粒度特征向量；

S2、基于GentleAdaboost级联算法对所述多粒度特征向量进行训练，得到行人级联 分类器；

S3、利用行人级联分类器对自监控区域获取的输入图像进行行人检测；

S4、基于EKM算法对步骤S3中检测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具体包括以下子 步骤：

S11、对训练样本进行梯度计算以得到梯度图像；

S12、根据不同的粒度参数对梯度图像进行描述；

S13、提取多粒度特征；

S14、将图像基元在霍夫空间与图像空间之间通过方向划分和/或空间划分的方式建立 映射与反映射关系；

S15、计算多粒度特征中的所有特征向量。

3.根据权利要求2所述的行人检测方法，其特征在于，所述子步骤S12中对梯度图 像进行描述的计算公式为：{d‾θ,τ|d‾θ,τ=f(I;θ,τ),τ∈Γ,d‾θ,τ∈Πτ};]]>其中，

是从梯度图像空间I到多粒度特征空间∏_τ的一个映射；τ是粒度参数；是用来控制映射类型的特征参数；是梯度图像的一个多粒度特征的分量。

4.根据权利要求2所述的行人检测方法，其特征在于，所述子步骤S13具体为首先 将把梯度图像解析成预先定义的形状基元和/或结构基元，然后对所述形状基元和/或结构 基元进行多粒度特征提取操作。

5.根据权利要求4所述的行人检测方法，其特征在于，所述子步骤S13中的多粒度 特征包括精细粒度特征与粗糙粒度特征。

6.根据权利要求2所述的行人检测方法，其特征在于，所述子步骤S14中的方向划 分具体为：将旋转不确定性参数τ_θ映射回到图像空间中，所述子步骤S14中的空间划分 具体为：把平移不确定性参数τ_ρ映射回到图像空间中。

7.根据权利要求2所述的行人检测方法，其特征在于，所述子步骤S15具体为：利 用积分图快速计算多粒度特征中的所有特征向量。

8.根据权利要求7所述的行人检测方法，其特征在于，所述积分图计算多粒度特征 中的所有特征向量的过程中，限定所多述粒度特征在霍夫空间中以点(θ₀，ρ₀)为中心所形成 的矩形区域R的宽度w∈{4，5，6，8，9，10，12}。