[发明专利]一种基于XCS-LBP特征的行人检测算法

说明书

本发明属于图像处理领域，涉及一种基于XCS‑LBP特征以及级联AKSVM的行人检测算法，该方法提出了将XCS‑LBP特征与HOG特征相结合，利用基因遗传算法实现AKSVM级联的形式，大大提高行人检测速度和精度。其实现过程是：(1)将车载摄像机采集的视频图像转换为灰度图像，(2)对灰度图像进行滤波去噪处理，(3)提取XCS‑LBP特征以及HOG特征，(4)利用得到的特征值对弱分类器进行训练(5)利用遗传基因算法决定AKSVM分解的弱分类器的顺序，(6)利用训练好的级联AKSVM对测试样本进行计算评估。本发明解决了分类器级联形式的优化问题，能够提高分类器的效率，减少行人检测的时间，而且，对样本采用多特征提取，能够提高行人检测的准确度。

技术领域

本发明涉及一种基于单目视觉的前方行人检测算法，该方法采用混合特征提取和级联分类器相结合的方法对视频图像中的行人进行检测，属于图像处理和机器视觉领域，可应用于准确高效的检测出前方行人，可以实时性的提醒驾驶员避让行人，减少交通事故的发生，是先进驾驶辅助系统中重要的一环。

背景技术

道路交通事故给人民生命财产和国民经济带来了巨大损失，而交通事故很大程度上由于驾驶员精力不集中造成的，车辆擦碰行人的事故屡见不鲜。由此可见，及时检测出前方行人并做出预警作为高级驾驶辅助系统中的一部分具有非常重要的意义。

加强道路安全是当今智能车领域需要着重关注的问题，先进驾驶辅助系统(ADAS)是加强道路安全的芽接技术。为了更方便的驾驶车辆，人们开发了先进驾驶辅助安全系统(ADAS)。行人检测的提出旨在通过车辆前置摄像头捕捉到的视频分析车辆前方有没有行人，如果检测到行人就给司机发出危险信号，提醒司机减速或刹车，避免交通事故的发生。

最近，用于行人检测的技术涌现出来，比如使用红外摄像机，激光传感器，单眼摄像机，或者是激光传感器和单眼摄像机配合使用等等。有许多因素制约着机器视觉在行人检测方向的发展，使得该技术具有挑战性。比如行人的服装外表具有多样性，行人姿势和所处位置的多样性，可变光照条件，非结构化的环境以及行人身体部位的遮挡等问题，利用机器感知技术进行行人检测是一项极具挑战性的任务。而且，在先进驾驶辅助系统(ADAS)中，使用的是在路途中行驶的摄像机，摄像机拍摄到的背景在运动，周围的环境是动态变化的，利用机器视觉进行行人检测，提高检测精度减少误检率是一种很大的难题。

另外，对行人检测来说，检测速度是另一个重要的指标，如果一个算法应用于行人检测中时需要太多计算时间，无论这种算法的精确度有多高，都不能应用于实际的行人检测系统中。因此，在行人检测领域，不仅要考虑检测精度，还要考虑计算时间。

大多数行人检测方法包含两部分：特征提取和分类。对于特征提取，许多已经发表的研究是基于外观特征的，包括Haar-like特征，局部二进制模式(LBP)， Gabor滤波器以及HOG等特征。特别是HOG特征提取应用非常广泛，HOG特征算法最早是有法国的Dalal等提出的一种解决人体目标检测的图像描述子，引起学术界广泛的关注。对于分类器，一种线性支持向量机(linSVM)是最流行的分类器之一，大量的研究工作都是基于linSVM进行行人检测的。然而，线性支持向量机(linSVM)的检测性能可能不适合一些非线性分类环境，比如行人具有多特征性，应该从多个角度进行检测。

本发明克服了以前检测算法的不足，采用XCS-LBP方法和自适应背景混合模型进行前景检测，然后应用HOG特征算法得到最准确的特征集，这样比一般的特征提取方法得到更准确的特征集；然后，利用获得的特征对分类器进行训练，本文采用快速有效的级联AKSVM，并引入了著名的遗传算法，通过遗传算法决定最佳的AKSVM级联序列。这样既保证了精确度，又提高了行人检测的快速性。

发明内容

本发明的目的是克服现有技术的上述不足，提出了一种基于XCS-LBP以及级联AKSVM的行人检测算法，该方法能够准确有效地检测出不同运动状态以及不同环境下的行人，综合考虑了检测精度以及检测速率。为此，本发明采用如下的技术方案：