[发明专利]一种基于深度图与特征融合的行人检测方法

说明书

一种基于深度图与特征融合的行人检测方法，包括以下步骤：S1从视频中获取颜色图和深度图，并对图像进行预处理；S2在混合高斯背景建模的基础上进行阴影检测，提取出前景目标；S3提取颜色图的HOG特征和深度图的CLBC特征，通过并行方式将两个特征进行融合得到融合特征；S4将融合特征输入到分类器中进行分析处理，判断是否有行人，完成检测。本分卖给你将颜色图的HOG特征和深度图的CLBC特征相融合，有效地克服了由于行人的身材、姿势、视角和衣着、光照等因素产生的干扰，能够更准确的从视频中将行人检测出来。

技术领域

本发明涉及计算机视觉和图像处理领域，具体涉及一种基于深度图与特征融合的行人检测方法。

背景技术

在计算机视觉领域中，行人检测是目标检测的一个重要研究热点，其主要利用各种传感器获取行人的数据信息，通过图像处理及模式识别等算法从图像数据中检测出行人。它与车辆辅助驾驶、智能视频监控和人体行为分析、航拍图像等领域息息相关。

目前，较为经典的行人检测方法有HOG和SVM分类器结合的行人检测方法以及基于HOG-LBP特征的行人检测方法。传统的基于HOG与LBP的特征融合行人检测方法光谱信息损失多、对噪声较为敏感，原始的LBP算法对不均匀的光照变化鲁棒性差，对纹理特征的旋转不变性差。

与普通灰色图相比，深度图像中没有光照、阴影及物体表面的纹理所产生的干扰，可以得到可靠的三维物体几何信息。利用HOG特征与图像深度信息进行行人检测、跟踪，有效的克服了由于行人的身材、姿势、视角和衣着、光照等因素产生的干扰，能够更准确的从视频中将行人检测出来。，能够更准确的从视频中将行人检测出来。

发明内容

为了克服现有行人检测中复杂背景所产生的干扰的不足，本发明提供了一种基于基于深度图与特征融合的行人检测方法，使行人具有更强的表征能力，在复杂背景下行人检测的准确率明显提高。

本发明的目的主要是通过以下技术方案实现的：

一种基于深度图与特征融合的行人检测方法，包括以下步骤：

S1:获取颜色图和深度图，并对图像进行预处理；

S2:在混合高斯背景建模的基础上进行阴影检测，提取出前景目标，过程如下：

S2-1：使用混合高斯模型，计算观测点x_t处像素的混合高斯分布概率密度函数，公式如下：

其中k为分布模式总数，η(x_t,μ_i,t,τ_i,t)为t时刻第i个高斯分布，μ_i,t为其均值，τ_i,t为其协方差矩阵，δ_i,t为方差，I为三维单位矩阵，w_i,t为t时刻第i个高斯分布的权重；

S2-2：通过指定的距离阈值选择与新观测点最佳匹配的高斯分布，并标记其位置为k_hit，用如下公式定量分析新值与高斯分布的距离：

其中μ_t-1，∑_t-1分别是每个单高斯分布的均值与协方差矩阵，x_t就是t时刻新的观测值，更新各高斯分布对应权值系数的值：

S2-3:如果没有满足条件的高斯分布，则重新初始化一个新的高斯分布，替换权值最小的分布，同时单高斯分布依据w_k,t-1/σ值降序重新排序，而对于核心高斯分布，通过如下的公式选择：