[发明专利]一种基于RGBD的行人检测和身份识别方法及系统

说明书

本发明公开了一种基于RGBD的行人检测和身份识别方法及系统，所述方法包括：输入RGBD图像，对所述RGBD图像进行预处理；构建所述RGBD图像的多通道特征和尺度列表；根据所述多通道特征，训练得到检测分类器；采用所述检测分类器，根据所述尺度列表，对行人进行检测和身份识别。本发明基于RGBD多通道特征的融合，使得对行人的检测和身份的识别，鲁棒性和准确性更高，应用场景更广。

技术领域

本发明涉及图像处理技术领域，尤其涉及一种行人检测和身份识别方法及系统。

背景技术

行人检测是指通过图像处理及模式识别等算法对视频或静态图像中所包含的行人具体位置进行检测。作为目标检测的一个重要方向，行人检测技术在家居服务机器人、智能监控、智能交通、辅助驾驶等方面有着广泛的应用前景。与普通的物体检测相比，行人的非刚体性和多样性等特点大大提高了有效检测行人的难度。目前行人检测可以分为两类：1)基于背景建模的方法：分割出前景，提取其中的运动目标，然后进一步提取特征，分类判别；2)基于统计学习的方法，根据大量训练样本构建行人检测分类器。

第一种方法在下雨、下雪、刮风、树叶晃动、灯光忽明忽暗等场合下，抗干扰能力较差，鲁棒性不高。第二种方法存在以下问题：由于行人的姿态、服饰各不相同，使得分类器的性能受训练样本的影响较大，所涵盖的应用场景有限。

行人身份识别是指将检测出来的行人的特征进行分析，判断是否属于某一个行人，达到识别该行人身份的目的。目前行人身份识别，主要是通过提取具有一定鉴别性的特征，来对行人进行识别。但该方法只能利用行人的外貌特征来进行识别，而无法使用脸部的有效信息；另外，由于尺度、光照和角度的变化，同一个行人的不同图片中，外貌特征会有一定程度的变化，不同行人的外貌特征可能比同一个人的外貌特征更相似，从而在识别的过程中影响准确性，容易混淆。

发明内容

针对现有技术中的缺陷，本发明提供一种基于RGBD的行人检测和身份识别方法及系统，能够基于RGBD多通道特征的融合，使得对行人的检测和身份的识别，鲁棒性和准确性更高，应用场景更广。

第一方面，本发明提供了一种基于RGBD的行人检测和身份识别方法，所述方法包括：

输入RGBD图像，对所述RGBD图像进行预处理；其中，所述RGBD图像包括彩色图像和深度图像；

构建所述RGBD图像的多通道特征和尺度列表；

根据所述多通道特征，训练得到检测分类器；

采用所述检测分类器，根据所述尺度列表，对行人进行检测和身份识别。

进一步地，所述多通道特征包括：RGB多通道特征，深度多通道特征；所述构建所述RGBD图像的多通道特征，具体包括：构建RGB多通道特征，以及构建深度多通道特征。

进一步地，所述构建RGB多通道特征，具体包括：

将RGB颜色空间转换为LUV颜色空间；

在所述LUV颜色空间中，计算梯度幅值和梯度方向；

将所述梯度方向进行量化，根据所述梯度幅值和量化后的所述梯度方向，计算所述梯度方向直方图的方向通道。

进一步地，所述在所述LUV颜色空间中，计算梯度幅值和梯度方向，具体包括：

估算所述彩色图像的彩色像素点处的水平方向梯度和垂直方向梯度；

根据所述水平方向梯度和所述垂直方向梯度，计算所述彩色像素点处的梯度幅值和梯度方向。

进一步地，根据所述水平方向梯度和所述垂直方向梯度，计算所述彩色像素点处的梯度幅值和梯度方向，具体包括：