[发明专利]一种动态场景下基于在线学习的实时行人检测方法

摘要

本发明提出了一种动态场景下基于在线学习的实时行人检测方法，属于视频图像处理技术领域。首先利用已有的基于聚合通道特征ACF特征提取，标注样本训练Online Adaboost分类器，并对获取的视频序列进行目标检测，检测到行人后，以当前帧检测结果为起始，对行人进行轨迹分析，通过轨迹信息判断检测结果，从而获取在线学习的样本。接着，利用Online Adaboost算法学习在线获得的正负样本，更新分类器，最终实现了性能优秀的实时行人检测系统。本发明的行人检测方法能够在运动平台下，利用“快速特征金字塔”的方法，使得算法满足实时计算的条件，并采用了在线更新分类器的方案；能够实现自学习，具有实时、高精度和很高的实用价值。

主权项

一种动态场景下基于在线学习的实时行人检测方法，其特征在于：所述方法使用视频采集工具实现视频采集，且视频采集工具承载平台是运动的，对视频序列图像进行分析，从而完成行人检测，将检测结果进行后续处理，在线更新行人分类器；所述方法包括以下步骤：步骤A：采集视频图像；步骤B：训练行人分类器；使用Online Adaboost对训练数据，基于聚合信道特征ACF提取，训练行人分类器；所述训练数据采用行人图像数据库；步骤C：行人检测；使用步骤B中行人分类器，采用快速特征金字塔方法，对步骤A中的视频图像进行行人检测,然后对检测窗口合并,获得视频图像中行人的数量和位置坐标，作为本视频图像的检测结果；步骤D：获取正负样本；使用卡尔曼滤波对步骤C中的检测结果进行轨迹滤波，分析其轨迹，从而判断之前的检测结果是否正确，获取更新行人分类器所需的正负样本；步骤E：在线更新行人分类器；使用Online Adaboost，学习步骤D中获取的正负样本，从而在线更新行人分类器；步骤F：输出检测结果。