[发明专利]多特征融合的行人检测方法

摘要

本发明公开了一种多特征融合的行人检测方法，步骤如下1）特征设计，即对于输入样本图像计算随机特征，统计特征概率分布直方图；2）构造树分类器，即从多个特征概率分布直方图中选择判别能力较强的特征，形成树分类器；3）构造森林分类器，即由多个树分类器生成一个森林分类器；4）构造集成森林分类器，即由多个森林分类器生成集成森林分类器；5）使用集成森林分类器对行人进行检测。本发明方案计算效率高，为实时处理提供了有利条件。另外，从大量随机特征中选出较强判别能力的特征，利用多种随机特征进行融合有效的提高了行人检测效率。

主权项

一种多特征融合的行人检测方法，其特征在于包括以下步骤：1)特征设计，即对于输入样本图像计算随机特征，统计特征概率分布直方图；2)构造树分类器，即从多个特征概率分布直方图中选择判别能力较强的特征，形成树分类器；3)构造森林分类器，即由多个树分类器生成一个森林分类器；4)构造集成森林分类器，即由多个森林分类器生成集成森林分类器；5)使用集成森林分类器对行人进行检测；步骤1)中的样本分为正例样本和反例样本，正例样本是指含有行人的图像，反例样本是指不含有行人的图像，正例样本和反例样本均统一为相同尺寸大小的图像；步骤1)特征设计包括以下步骤：11)计算样本随机特征；12)计算特征序列概率分布直方图；步骤12)包括以下具体步骤：121)对于第i个特征序列，其二进制值为vi，统计该序列值分别在正例样本和反例样本中出现的次数，其值分别为122)将其对应的二进制值出现的次数进行归一化处理，方法如下：L0vi=L0vi/n0L1vi=L1vi/n1---(1)]]>其中，n0为正例样本个数，n1为反例样本个数；123)重复上述步骤121)～步骤122)直至计算完所有的fn个特征序列为止，得到fn为所选取的相同大小的区域块的个数；124)在L0和L1中，其最大值分别记为列对应的最大值pm0和pm1，若pm0>pm1，则记pm＝pm0，pl＝0；若pm0≤pm1，则记pm＝pm1，pl＝1；125)若pm小于阈值ρ则pm＝0,pl＝‑1。