[发明专利]一种行人分心行为检测方法

权利要求书

1.一种行人分心行为检测方法，其特征在于，包括：

采用梯度和纹理特征集成方法对行人图像进行行人检测处理，获取所述行人图像中的行人位置信息；

根据所述行人的位置区域采用选择性搜素的方法对所述行人图像进行区域分割和合并处理，检测出行人敏感部位图像，对所述行人敏感部位图像进行特征提取，得到所述行人图像的敏感特征矩阵；

利用行人图像数据集中所有行人图像的敏感部位特征矩阵训练Adaboost分类器，将待检测的行人图像输入训练好的Adaboost分类器，所述Adaboost分类器输出所待检测的行人图像的检测结果。

2.根据权利要求1所述的方法，其特征在于，所述的采用梯度和纹理特征集成方法对行人图像进行行人检测处理之前，还包括：

通过摄像设备采集公共交通区域中的行人图像，将所有行人图像存储在行人图像数据集中，所述行人图像包括行人为正常过马路图片和行为为分心行人图片。

3.根据权利要求2所述的方法，其特征在于，所述的采用梯度和纹理特征集成方法对行人图像进行行人检测处理，获取所述行人图像中的行人位置信息，包括：

从所述行人图像数据集中选择一幅行人图像，从所述行人图像中提取HOG特征，并保存图像的HOG特征矩阵；从所述行人图像中提取LBP特征，并保存图像的LBP特征矩阵，组合所述HOG特征矩阵和LBP特征矩阵得到HOG-LBP特征矩阵；

采用K-SVD算法从HOG-LBP特征矩阵中提取出稀疏表示的特征，用PCA算法对所述HOG-LBP特征矩阵进行降维，得到低维的PCA特征；

将所述PCA特征和K-SVD稀疏表示的特征同时作用于所述HOG-LBP特征矩阵，得到了新的特征矩阵，采用SVM分类器对新的特征矩阵进行分类，分类结果用行人矩形框表示，并返回一个1*4维矩阵，4维分别为行人矩形框的横、纵坐标以及行人矩形框的长和宽四个数据，从而获得所述行人图像中的行人的位置区域。

4.根据权利要求3所述的方法，其特征在于，所述的根据所述行人的位置区域采用选择性搜素的方法对所述行人图像进行区域分割和合并处理，检测出行人敏感部位图像，包括：

2.0、将包含所述行人的位置区域的图像区域上的每一个像素用节点表示，每个节点代表一个区域，两个节点间由一条无向边连接，每个无向边都有一个权重，用以衡量其连接的两个节点之间的不相似度，有序遍历所有的无向边，判断该无向边连接的两个区域之间的域间间距是否大于任意一个区域的区域内间距，如果是，则将所述两个区域分割成多个初始化小区域；否则，不对所述两个区域进行分割；

2.1、将所有初始化小区域组成的初始区域记为R＝{r1,…,rm}，遍历初始区域R中的所有相邻区域；

2.2、计算各相邻区域的相似度，把所有相邻区域的相似度保存在集合S中并表示为S(r_i，r_j)，在计算各相邻区域的相似度时，采用颜色、纹理、大小及吻合相似度的加权平均值作为两个区域的相似性S{ri,ri}，计算公式如下：S(r_i，r_j)＝a₁S_color(r_i，r_j)+a₂S_texture(r_i，r_j)+a₃S_size(r_i，r_j)+a₄S_fill(r_i，r_j)

其中，S_color为颜色相似度，S_texture为纹理相似度，S_size为尺寸相似度，S_fill为交叠相似度；

2.3、从集合S中找到最大相似度max(S)对应的相邻区域{r_i，r_j}，若最大相似度max(S)小于某一设定相似度阈值，就将这个相邻区域{r_i，r_j}进行合并，即r_t＝r_i∪r_j，同时从集合S中除去与r_i、r_j有关的相似度；

2.4、计算r_t与其相邻区域的相似度S(r_t，r^*)；

2.5、将r_t保存到集合R中，计算公式为：R＝R∪r_t；

2.6、判断集合S是否为空，集合S不为空，则返回执行步骤2.3；集合S为空，则所有合并后的初始化小区域组成行人敏感部位图像。