[发明专利]一种基于混合特征的带缓存机制的实时行人检测与跟踪方法

权利要求书

1.一种基于混合特征的带缓存机制的实时行人检测与跟踪方法，其步骤为：

1)提取正样本图像、负样本图像的混合特征；所述混合特征包括图像的颜色特征、边缘特征、纹理特征；

2)基于步骤1)提取的混合特征训练软级联分类器，得到最终的分类器；

3)监控系统从监控视频的第t-1帧图像中提取若干滑动窗口，然后提取每一滑动窗口内的图像的混合特征并将其输入所述分类器进行检测，获得该滑动窗口的初步检测窗口；然后对获取的初步检测窗口进行融合，得到该第t-1帧图像的行人检测窗口；

4)监控系统从第t-1帧图像的行人检测窗口提取行人的光流特征点，然后利用第t-1帧图像的光流特征点预测第t帧图像的光流特征点；然后利用预测的第t帧图像的光流特征点反向预测t-1帧图像的光流特征点；然后计算预测的第t-1帧图像的光流特征点与第t-1帧图像的光流特征点的距离；如果该距离小于设定阈值，并且预测的第t-1帧图像的光流特征点超过设定数目，则判定跟踪成功，否则重复步骤3)、4)。

2.如权利要求1所述的方法，其特征在于，所述监控系统中设有双线程进行监控跟踪，其中检测与跟踪线程对监控视频进行检测与跟踪处理，显示线程对处理后的图像进行播放，两个线程同步进行。

3.如权利要求2所述的方法，其特征在于，所述监控系统中设置有双缓存区，第一缓存区存储上一时段检测与跟踪的行人检测窗口，第二缓存区当前时段正在检测与跟踪的行人检测窗口；两个缓冲区交替使用，所述显示线程每次从对应的缓存区中读取数据进行显示。

4.如权利要求3所述的方法，其特征在于，所述时段的长度为1秒。

5.如权利要求1或2或3所述的方法，其特征在于，提取所述混合特征的方法为：

1)提取样本图像的11个通道信息，分别为L、U、V通道、梯度幅值通道、6个梯度直方图通道和灰度图像通道；

2)计算L、U、V通道、梯度幅值通道、6个梯度直方图通道的积分图；

3)根据L、U、V通道的积分图信息提取基于L、U、V通道的Harr-like特征，即颜色特征；根据梯度度幅值和梯度直方图，提取行人的类HOG特征，即边缘特征；然后针对灰度图像通道，提取LBP特征，即纹理特征。

6.如权利要求1或2或3所述的方法，其特征在于，步骤2)中，利用近似尺度特征估计方法对所述混合特征分别提取真实尺度下的特征值和近似尺度下的近似特征值，从而得到样本图像的多尺度特征信息；利用对尺度特征信息训练软级联分类器，得到最终的分类器；步骤3)中，提取每一滑动窗口内的图像的多尺度特征信息并将其输入所述分类器进行检测。

7.如权利要求1或2或3所述的方法，其特征在于，利用非极大值抑制算法对获取的初步检测窗口进行融合，得最终的行人检测窗口。

8.如权利要求1或2或3所述的方法，其特征在于，从INRIA数据库选取若干图像，然后对这些图像进行镜像变换、旋转变换得到所述正样本；从INRIA数据库随机选取若干图像作为所述负样本。

9.如权利要求1或2或3所述的方法，其特征在于，步骤4)中，利用金字塔LK光流算法预测第t帧图像的光流特征点，进而进行跟踪判断。

10.如权利要求1或2或3所述的方法，其特征在于，所述行人检测分类器为软级联Adaboost分类器；其中，软级联Adaboost分类器中弱分类器是高度为3的决策树，强分类为弱分类器的加权组合。