[发明专利]一种基于CoLBP共生特征与GSS特征的行人检测方法

权利要求书

1.一种基于CoLBP共生特征与GSS特征的行人检测方法，其特征在于，包括以下步骤：

步骤A、提取视频序列中每一帧图像的HOG特征及LBP特征，根据每一帧图像中的HOG特征计算出图像局部梯度块之间的成对梯度自相似性的GSS特征，同时根据LBP特征得到CoLBP共生特征；

步骤B、采用特征生成器FGM移除不对称的GSS特征，得到判别梯度自相似性DGSS特征；

步骤C、基于HOG特征与CoLBP共生特征训练的线性SVM分类器移除图像中的负样本；对于剩余负样本与正样本，利用基于HOG特征与判别梯度自相似性DGSS特征训练的Real-AdaBoost分类器再次检测每一帧图像中的行人，获得检测结果。

2.根据权利要求1所述基于CoLBP共生特征与GSS特征的行人检测方法，其特征在于，所述步骤A中计算成对梯度自相似性GSS特征，具体包括：利用HOG特征对局部梯度块进行方向编码，并通过计算每一个局部梯度块与其水平翻转局部梯度块之间的距离得到距离矩阵，并根据距离矩阵计算出成对梯度自相似性的GSS特征。

3.根据权利要求2所述基于CoLBP共生特征与GSS特征的行人检测方法，其特征在于，所述步骤A所得到的距离矩阵具体为：

D_ij＝min{d(H_i,H_j),d(H_i',H_j)}

其中，d表示距离，H_i表示非翻转局部梯度块，H_i’表示H_i的水平翻转局部梯度块，d定义为欧氏距离。

4.根据权利要求2所述基于CoLBP共生特征与GSS特征的行人检测方法，其特征在于，所述步骤A中，根据距离矩阵计算出成对梯度自相似性的GSS特征具体为：

根据距离矩阵，确定每一帧图像中HOG块与其水平翻转块之间对称的相似性矩阵：

其中，D_max与D_min分别表示一帧图像中局部梯度块之间的最大距离和最小距离，ε为接近于0的正数；D_ij表示距离矩阵；

采用S_ij矩阵的上三角矩阵S_up获得GSS特征向量F_GSS，且采用幂次变换依次对每一对特征块的GSS特征进行增强处理，及通过范数归一化获得成对梯度自相似性的GSS特征。

5.根据权利要求1所述基于CoLBP共生特征与GSS特征的行人检测方法，其特征在于：所述步骤A根据图像的LBP特征得到CoLBP共生特征，具体为：

定义每一对像素之间的共生模式{DX,DY,F₁,F₂}满足以下约束：

其中{x₁,y₁}，{x₂,y₂}分别为像素a与b的坐标，DX与DY分别表示像素a与b在X方向与Y方向的距离之差，f₁，f₂分别表示像素a与b经过特征提取后得到的像素值；F₁，F₂∈特征空间F；

获取每一个LBP特征的等价模式，并将等价模式后的每一个LBP特征分成9个聚类，用特征空间F表示；及在满足共生模式{DX,DY,F₁,F₂}的基础上，确定CoLBP共生特征向量为：

c_ij＝count(DX,DY,F_i,F_j)

F＝LBP_n,r,h,1≤i,j≤9

其中F_i，F_j是LBP特征空间F的聚类数；当h＝0时，LBP_n,r,h表示图像的亮度值；当h＝1时，LBP_n,r,h表示图像在水平方向的亮度梯度值；当h＝2时，LBP_n,r,h表示y方向的亮度梯度值，CoLBP(DX,DY,h)表示共生特征矩阵，c_ij表示LBP特征空间F的聚类F_i和F_j中所有满足共生模式{DX,DY,F₁,F₂}的共生特征的数量。