[发明专利]一种动态场景下基于在线学习的实时行人检测方法

权利要求书

1.一种动态场景下基于在线学习的实时行人检测方法，其特征在于：所述方法使用视频采集工具实现视频采集，且视频采集工具承载平台是运动的，对视频序列图像进行分析，从而完成行人检测，将检测结果进行后续处理，在线更新行人分类器；所述方法包括以下步骤：

步骤A：采集视频图像；

步骤B：训练行人分类器；

使用OnlineAdaboost对训练数据，基于聚合信道特征ACF提取，训练行人分类器；所述训练数据采用行人图像数据库；

步骤C：行人检测；

使用步骤B中行人分类器，采用快速特征金字塔方法，对步骤A中的视频图像进行行人检测,然后对检测窗口合并,获得视频图像中行人的数量和位置坐标，作为本视频图像的检测结果；

步骤D：获取正负样本；

使用卡尔曼滤波对步骤C中的检测结果进行轨迹滤波，分析其轨迹，从而判断之前的检测结果是否正确，获取更新行人分类器所需的正负样本；

步骤E：在线更新行人分类器；

使用OnlineAdaboost，学习步骤D中获取的正负样本，从而在线更新行人分类器；

步骤F：输出检测结果。

2.根据权利要求1所述的一种动态场景下基于在线学习的实时行人检测方法，其特征在于：步骤B中，所述行人图像数据库，包括Caltech数据库、INRIA数据库。

3.根据权利要求1所述的一种动态场景下基于在线学习的实时行人检测方法，其特征在于：步骤B中，在所述行人图像数据库中选取1000张图像作为正样本，从不含行人的图像中选取1500张作为负样本，使用OnlineAdaboost方法，训练得到行人分类器。

4.根据权利要求1所述的一种动态场景下基于在线学习的实时行人检测方法，其特征在于：步骤C中，所述行人检测，其具体步骤是：

步骤C-1，计算输入视频图像三个尺度的聚合信道特征ACF图谱；所述三个尺度分别为s＝1,1/2,1/4，即三个尺度分别为输入图像的原图、原图的1/2、原图的1/4；

步骤C-2，利用聚合信道特征ACF中的尺度间幂指定律，计算步骤C-1中所述三个尺度之间剩下的5个尺度特征图谱，从而建立8层的特征金字塔；

步骤C-3，使用训练好的行人分类器，在该视频图像上进行多尺度检测，得到该视频图像的检测结果。

5.根据权利要求1所述的一种动态场景下基于在线学习的实时行人检测方法，其特征在于：步骤D中，所述卡尔曼滤波器对步骤C中的检测结果进行逐帧图像轨迹滤波，如果检测结果是行人，则数帧以后就会形成一个轨迹，判为正样本，即为行人；否则为误检，判为负样本。