[发明专利]基于聚合通道特征和灰度共生矩阵的多特征融合俯视行人检测方法

权利要求书

1.一种基于聚合通道特征和灰度共生矩阵的多特征融合俯视行人检测方法，其特征在于，包含如下内容：

训练阶段，根据已知的俯视行人数据作为样本训练集，提取样本训练集中多个聚合通道的ACF特征，获取聚合通道特征向量；并针对样本训练集，采用滑动窗口依次计算每个窗口内的灰度共生矩阵特征参数，将每个窗口内的灰度共生矩阵特征参数串联得到灰度共生矩阵特征向量；将聚合通道特征向量和灰度共生矩阵特征向量送入软级联Adaboost分类器进行训练，获取级联的分类器一和分类器二；

测试阶段，将待测图像按帧读取，提取其ACF特征，获取聚合通道特征向量；将聚合通道特征向量送入分类器一中进行分类，获取作为候选目标的坐标和目标窗口；依据坐标和目标窗口获取灰度共生矩阵特征向量，并将其送入分类器二中排除背景干扰，得到最终目标的输出结果；

训练阶段中，聚合通道为10个，该10个聚合通道包括3个HSV通道、6个HoG通道和1个梯度幅值通道，训练样本集包含两部分，其中一部分包含行人图像集合的正训练样本集，另一部分包含非行人图像集合的负训练样本集；利用多个聚合通道的ACF特征来刻画目标和背景之间的灰度差别，弱化不必要的细节特征，利用灰度共生矩阵特征提取纹理特征描述子，在不增大计算复杂度的同时融合颜色、梯度、梯度方向直方图和纹理特征，从不同角度描述行人来检测行人头部，以减小干扰背景对分类的影响；

HoG通道中，由于俯视行人的头部特征形状近似圆形，较为统一，细节特征较少，所以考虑不再将块进一步细分为更小的细胞单元，采用无重叠的子块，减少提取到的冗余信息，结合行人头部特征，采集图像角度范围扩展至-180°～180°，获取HoG通道描述子维数，通过公式计算图像中像素点(x,y)的梯度幅值和梯度方向，计算公式表示如下：

其中，G_x(x,y)和G_y(x,y)分别代表像素点(x,y)水平方向和竖直方向的梯度分量。

2.根据权利要求1所述的基于聚合通道特征和灰度共生矩阵的多特征融合俯视行人检测方法，其特征在于，HSV通道中颜色参数中色调H、饱和度S和亮度V的计算公式如下：

V＝max(R,G,B)。

3.根据权利要求1所述的基于聚合通道特征和灰度共生矩阵的多特征融合俯视行人检测方法，其特征在于，训练阶段中，将训练样本集中的正、负训练样本集首先归一化处理，获取大小一致且灰度化后的图像数据，并对图像数据进行下采样，得到符合预设大小的图像处理数据，然后对图像处理数据进行ACF特征提取。

4.根据权利要求3所述的基于聚合通道特征和灰度共生矩阵的多特征融合俯视行人检测方法，其特征在于，针对样本训练集，采用滑动窗口计算归一化处理后的正、负训练样本集中每个样本数据的灰度共生矩阵，利用灰度共生矩阵，分别计算能量、熵、对比度和相关度，获取多维的灰度共生矩阵特征向量。

5.根据权利要求1所述的基于聚合通道特征和灰度共生矩阵的多特征融合俯视行人检测方法，其特征在于，采用滑动窗口，按照从左至右、从上至下的顺序依次在图像上滑动，计算每个窗口内的灰度共生矩阵特征参数；将每个窗口的特征参数依次串联，获取灰度共生矩阵特征向量。

6.一种基于聚合通道特征和灰度共生矩阵的多特征融合俯视行人检测系统，其特征在于，基于权利要求1所述的基于聚合通道特征和灰度共生矩阵的多特征融合俯视行人检测方法实现，包含：训练模块和测试模块，其中，

训练模块，用于根据已知的俯视行人数据作为样本训练集，提取样本训练集中多个聚合通道的ACF特征，获取聚合通道特征向量；并针对样本训练集，采用滑动窗口依次计算每个窗口内的灰度共生矩阵特征参数，将每个窗口内的灰度共生矩阵特征参数串联得到灰度共生矩阵特征向量；将聚合通道特征向量和灰度共生矩阵特征向量送入软级联Adaboost分类器进行训练，获取串联的分类器一和分类器二；

测试模块，用于将待测图像按帧读取，提取其ACF特征，获取聚合通道特征向量；将聚合通道特征向量送入分类器一中进行分类，获取作为候选目标的坐标和目标窗口；依据坐标和目标窗口获取灰度共生矩阵特征向量，并将其送入分类器二中排除背景干扰，得到最终目标的输出结果。