[发明专利]一种基于一致化LBP的AdaBoost行人检测方法

说明书

本发明提出一种基于一致化LBP的AdaBoost行人检测算法，所述方法包含如下步骤：步骤1，建立样本集并进行降噪处理；步骤2，建立一致化LBP模式，提取样本集的一致化LBP特征；步骤3，将提取的一致化LBP特征输入到基于AdaBoost算法的加强分类器进行有监督训练，获得行人检测模型；步骤4，提取测试视频中的视频帧，并进行降噪处理；步骤5，对降噪处理后的视频帧进行图像增强处理，并提取视频帧的一致化LBP特征；步骤6，利用行人检测模型对视频帧进行行人检测，获得行人位置坐标信息。本发明方法具有很强的适应性和扩展性，其中图像增强检测算法和行人检测都可以单独应用于所需场景，也可以合并起来增强应用能力，大大扩展了本发明的应用范围。

技术领域

本发明属于计算机视觉技术中的行人检测领域，特别是涉及一种基于一致化LBP的AdaBoost行人检测方法。

背景技术

随着科学技术的高速发展，不单单给人们带来了利益和便利，也给人们带来了诸多安全隐患。道路交通事故的激增给人民生命财产和国民经济带来了巨大损失，而首当其冲需要保护的便是行人。所以无论是在无人驾驶领域还是作为高级辅助系统的一部分，及时检测出前方行人并对危险进行预警具有重要意义。

近年来随着ADAS不断发展，作为汽车主动防碰撞安全系统中的一项关键技术，针对车辆前方行人的检测保护研究开始越来越多的受到各国汽车企业和相关研究机构的重视和关注。

在行人检测的早期研究阶段，研究人员大多利用图像分割和模板匹配等相应的图像处理技术来对行人进行检测与识别。与此同时，也有些许研究者利用支持向量机或者神经网络等分类算法来进行行人的检测识别工作。但由于检测环境多变、行人姿态多样，无法明确对行人进行精准建模。此外，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。

在行人检测领域，在光照条件充足的情况下进行目标检测识别出行人目前已经基本可以达到要求，现在需要着重关注的是夜间行车时对行人的检测，尤其是出租车司机、大型运载车、大型城区环境下，此时光线较暗，摄像头所采集的信息处理起来更为困难。

同时，当前计算机视觉的快速发展也大大提高了行人检测的可靠性。目前行人检测算法所采用的基本框架基本都基于Papageorgiou教授等人提出的两阶段算法：首先，利用一些特定的行人特征来进行候选行人目标的搜索，然后以分类器为依据进行候选行人目标的分类和定位。目前很多的研究基于不同的特征得到不同的检测结果。

本发明克服了以前检测算法的不足，提出了基于一致化LBP的AdaBoost行人检测算法，得益于LBP特征的旋转不变性以及灰度不变性等系列显著优势，但传统的LBP具有一定缺陷，我们在此基础上使用了一致化LBP模式(Uniform LBP)，它在局部特征纹理描述方面效果更好。对于行人的分类，我们采用了AdaBoost算法，此算法对大量的分类能力一般的弱分类器采用适当的方式进行叠加来形成一个分类能力较强的强分类器，然后再采用对多个强分类器进行串联的方式形成一个分级分类器来完成图像的检测。根据检测系统对相应错误率及检测速度的要求我们可以相应地对级联的级数进行选择。在确定了基于一致化LBP的AdaBoost行人检测算法下，我们对分类器进行了针对性训练。

发明内容

本发明的目的是克服现有技术的上述不足，提出了一种基于一致化LBP的AdaBoost行人检测算法，该方法能够有效的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。

为解决上述技术问题，本发明提供如下的技术方案：一种基于一致化LBP的AdaBoost行人检测算法，所述方法包含如下步骤：

步骤1，建立样本集并进行降噪处理；

步骤2，建立一致化LBP模式，提取样本集的一致化LBP特征；