[发明专利]一种基于RGB‑D图像的人体识别方法

摘要

本发明提供了一种基于RGB‑D图像的人体识别方法，该方法通过构建一个面向深度的直方图(HOD)，HOD对深度变化方向进行局部的编码并且依赖于一个深度信息的规模空间搜索；接着将视觉HOG与深度HOD相结合，提出Combo‑HOD检测方法，该方法依赖于深度图和RGB数据并将它们作为传感器输入数据；并与其他检测方法进行对比，结果显示该方法能够实现EER值为85％，是普通传感器直接获得的操作空间的4倍以上，证明图像深度和RGB‑D所提供的图像信息的结合会加宽可靠的人体识别任务的条件，多模态图像也会帮助人体检测并使得在一些单层图像检测器上变得可行。

主权项

一种基于RGB‑D图像的人体识别方法，其特征在于，包括如下步骤：步骤1、构建面向深度的直方图(HOD)步骤1.1、运算法则：首先将固定长度的窗口划分成网格并计算每个网格对应的深度梯度值；接着将这些面向深度的梯度值累积到1D的直方图中；然后将每四个网格相结合形成一个描述信息块；最后将这些描述信息块收集在一起并将直方图标准化成L2‑Hys单元长度，使得其在局部深度噪声下表现高水平的稳健性，HOD特征的结果被用于训练柔和的线性支持向量机(SVM)；步骤1.2、深度图像处理：首先，根据公式d＝8BFx/(Vmax‑v)对原始范围深度图像数据进行处理来加强前景和后景的区分度；然后，将上述公式的结果d值乘上M/Dmax，其中M＝100是一个常量，Dmax＝20是一个以米为单位的最大考虑范围；步骤1.3、深度信息的规模空间搜索：首先计算基于深度范围的回归值s；然后计算深度图的每个像素点的范围s来生成一个范围地图，从这个范围地图中，推导出所有使用的范围S的列表；在给定的范围列表S中选择一个范围s，采用集成图像技术检测该窗口下的深度值是否与每个规模空间的位置相符合，只有当搜索窗口的深度信息与给定的范围列表S中的值相对应才能被送到SVM分类器进行下一步；步骤2、Combo‑HOD：RGB‑D人体检测步骤2.1、Combo‑HOD的数据集训练分类：依赖于步骤1.3中所述的深度信息的规模空间搜索：每个时刻一个检测窗口有一个兼容的范围，在深度图中计算HOD描述信息块；同时，采用同样的窗口在彩色图像中计算HOG描述信息块；当没有可以使用的深度图像后，检测器轻微地降低成为常用的HOG检测器；最后，对外在参数是否在两幅图像之间提供合适对应关系进行校准；步骤2.2、结合HOG和HOD描述信息块：学习的SVM的决定函数为HOD/HOG描述信息块与SVM超平面的点乘加上SVM的偏移值；为了结合这两部分的信息，对于每个SVM的输出建立了一个S形函数，这个函数将这些值映射到一个概率轴上，从HOD检测器得到的概率值记作pD，从HOG检测器得到的概率值记作pG，通过信息滤波结合的方程如下所示：p=pD+k(pG-pD)k=σD2σD2+σD2]]>其中p是检测到人体的概率，是在有效集合中的同等错误率点下的HOD检测器错误的负值的数量与HOG检测器错误的负值数量的比值，并且有