[发明专利]一种快速粗精级联行人检测方法

权利要求书

1.一种快速粗精级联行人检测方法，其特征在于，包括如下步骤：

(a)从视频中按帧数获取所有图像，再依次从图像中分割出所有的行人，且每个行人受到不同光照，表情以及遮挡环境的影响，将所有行人图像组合成为训练样本集；

(b)对训练样本集进行超分辨率重建，通过双立方插值方法，对行人样本进行放缩处理，从而扩充了训练样本；

(c)对训练样本提取特征通道，包括LUV3个颜色通道，1个梯度幅值通道以及6个梯度方向直方图通道；

(d)对每个特征通道进行滤波，提取滤波后的特征，训练Adaboost级联粗分类器；

(e)对粗分类过后的检测窗口，提取卷积通道特征以及颜色自相似特征，用精细分类器再次进行判别，去除一些错误的检测窗口；

(f)对最终的检测窗口按置信度进行由大到小排序，为了提高检测的速度，取前T个检测窗口，采用非极大值抑制算法，去除一些重复的检测窗口，得到最终的检测结果；

其中，步骤(d)的粗分类器通过以下步骤得到：

(d1)对每个特征通道利用维纳辛钦理论算法，提取p个去无关的滤波器核，

并对通道图像进行滤波，将滤波后的图像级联作为特征；

(d2)通过Adaboost算法训练级联的粗分类器；

步骤(e)中的精细分类器通过以下步骤得到：

(e1)对(c)中的每个特征通道提取PCA核，作为卷积网络模型中的卷积核；

(e2)对(c)中的每个特征通道的每张图像提取颜色自相似特征；

(e3)建立卷积网络模型，将特征通道图像作为网络输入，输出卷积通道特征；

(e4)将卷积通道特征和颜色自相似特征进行级联，作为精细特征；

(e5)训练Adaboost精细分类器。

2.根据权利要求1所述的快速粗精级联行人检测方法，其特征在于，所述步骤(d1)包括如下步骤：

(d11)系统有N个训练样本，Y＝{y_i},i＝1,2...N，从每个特征通道{f_i,j},i＝1,2...N,j＝1,2...,K，K表示特征通道的个数，学习得到每个通道的去相关滤波器；

(d12)根据维纳辛钦理论计算训练样本的局部自相关性图像；

(d13)采用PCA正交分解方法，求得前p个特征向量，并转换成滤波器核的形式。

3.根据权利要求1所述的快速粗精级联行人检测方法，其特征在于，所述步骤(e1)中每个特征通道提取PCA核，包括如下步骤：

(e11)在第j个特征通道上对每张特征图的每个像素点周围进行一次k×k的块采样，然后对这个块进行零均值化，则一张通道特征图中提取的块表示成：X_i,j＝[x_1,j,x_2,j,...,x_mn,j]∈R^kk×mn，m，n分别表示训练样本图像的宽和高，那么第j个通道中所有特征图提取的块表示成：X_j＝[X_1,j,X_2,j,...,X_N,j]∈R^kk×Nmn；

(e12)在第j个通道上使用PCA正交变换方法，将一组相关变量转化成一组具有线性无关的值，同时对于转化后的正交向量重构误差最小化：s.t.VV^T＝I_L,j＝1,2,...,K，其中I_L是一个大小为L×L的单位矩阵，V是由前L个主特征向量构成；

(e13)将V特征向量矩阵中的每个列向量转换成卷积核W_l,j＝reshape(V_i)∈R^k×k,l＝1,2,...,L，其中reshape(.)表示将V_i列向量转换成矩阵。