[发明专利]一种基于方向倒角距离特征的行人检测方法

说明书

技术领域

本发明涉及模式识别、机器学习、计算机视觉领域，直接应用于行人检测等领域。

背景技术

作为多数计算机视觉问题中的重要组成部分，人及人的个体动作、人与人之间的 交互、人与机器的交互等越来越引起人们的重视。检测、识别和跟踪人体成为近些年最具有 挑战性的课题之一。仅在美国本土，每年近35000起意外交通事故中就有约5000起与行人直 接相关，所以设计实现自动行人检测系统已刻不容缓。

行人检测作为识别和跟踪的基础步骤，在诸多领域应用广泛:

1)视频监控

随着监控摄像头的普及，公共场所的监控已经在交通疏导、疑犯追踪、人流量监测 等方面起到了重要作用。较大的监控区域和持续的监控时间都不利于人工监控。同时，人工 进行视频监控难以在监控同时完成对视频主体的有效跟踪与分析。自动行人检测技术的应 用可以有效提高视频监控的准确率和效率，必要时完成对异常情况的报警和追踪，大大减 少人力、物力、财力的投入。

2)智能交通

根据2013年南京市统计局公布的数据显示，南京全市机动车拥有量已达180.68万 辆，其中私家车拥有量为117.73万辆，以目前常住人口818.78万人计算，平均每7人中就有1 辆私家车。交通拥堵、事故频发、疲劳驾驶、停车难等一系列问题逐渐涌现。将行人检测技术 作为辅助驾驶系统的一部分，用于提醒驾驶员前方的行人，将极大提高行车安全。事实上， 目前已有一些行人检测技术被应用于实际的智能交通系统中，但是其性能仍未令人满意。 从Google公司的自动驾驶汽车GoogleCar上，我们能够看到行人检测技术在智能交通领域 的巨大潜力。

3)多媒体检索与理解

数字多媒体技术的迅猛发展无疑为当今的大数据时代创造了更多了解世界、了解 我们自身的契机。由于数据的爆炸性增长，对多媒体数据的检索与理解就显得尤为重要。 现有的多媒体检索多依靠于搜索引擎，包括Google、百度、Bing、Yahoo！等，然而现有的搜索 技术在图像和视频搜索上远不如文档搜索成熟和高效。作为多媒体的信息来源主体之一， 有关于人的行为动作等相关多媒体数据极为丰富，也是我们最为关注的热点之一。利用行 人检测技术实现对于多媒体数据的人物信息检索和理解，将为下一步的数据分类和进一步 数据理解提供了极大帮助。

除了相较于一般人体检测所具有的兼具刚性和柔性物体的特征，外观、姿态、尺 度、遮挡、视角等多变的情况，行人检测更多面临的是开放的环境，不同的光照、天气、路况 对检测结果的影响很大；运动的摄像机带来的行人检测问题使得普通的动态目标检测算法 并不能完全照搬照套，运动摄像机对于运动行人的检测更是难上加难；多数行人检测设备 多采用普通监控摄像机，原始图像和视频质量得不到保证，也基本没有红外和雷达等的额 外辅助设备；针对涉及图像和视频理解的行人检测对于具体的情景更加敏感，有时甚至要 求算法达到实时性，这都对行人检测的研究提出了更多的要求。

由于行人检测技术的挑战性和巨大的应用前景，越来越多的研究机构、高等院校、 研发型公司等都投入到这项研究中来，包括美国麻省理工学院、卡内基梅隆大学、日本丰田 汽车研究中心、戴姆勒-克莱斯勒研发中心、清华大学、中科院自动化所、中国科学技术大学 等。经过十余年的发展，INRIA、ETH、TUD-Brussels、Daimler、Caltech-USA、KITTI等行人检 测数据集也成为本领域里最具有代表性的一批数据集。

行人特征描述子一般可以分为底层特征、基于学习的特征和混合特征。底层特征 从图像纹理、梯度等方向描述行人，计算速度较快，但判别能力较弱，鲁棒性不够；基于学习 的特征采用监督学习技术，从大量样本从学习判别能力较强的特征，训练使用的正样本是 否具有代表性直接决定了最终生成特征的判别能力，训练时间也随之变化；混合特征则多 为多个底层的融合，有些也添加了学习特征的高阶统计特征，一般情况下准确率更高，但特 征维数增加，计算复杂度较高，不利于实现算法的实时性。表1给出了十余年来典型的行人 检测算法特点。

表1典型行人检测算法特点