[发明专利]一种快速粗精级联行人检测方法

摘要

本发明公开了一种快速粗精级联行人检测方法，该方法：从视频中分割获取所有行人图像，组成训练样本集；用超分辨率重建方法对训练样本集进行扩充；对每个训练样本抽取特征通道并进行滤波处理；通过Adaboost算法训练获取级联粗分类器；随后对特征通道抽取颜色自相似特征以及卷积通道特征，训练得到级联的精细分类器；对测试图像抽取特征通道，用粗分类器进行粗略检测，产生一系列候选窗口；用精细分类器对这些窗口进行精细分类，排除许多误检窗口；采用非极大值抑制算法合并窗口，获取最终的检测结果。本发明不仅有效剔除了误检窗口的个数，大大提高了检测精度，而且检测速度也能达到不错的效果，具有较好的通用性及鲁棒性。

主权项

一种快速粗精级联行人检测方法，其特征在于，包括如下步骤：(a)从视频中按帧数获取所有图像，再依次从图像中分割出所有的行人，且每个行人受到不同光照，表情以及遮挡环境的影响，将所有行人图像组合成为训练样本集；(b)对训练样本集进行超分辨率重建，通过双立方插值方法，对行人样本进行放缩处理，从而扩充了训练样本；(c)对训练样本提取特征通道，包括LUV3个颜色通道，1个梯度幅值通道以及6个梯度方向直方图通道；(d)对每个特征通道进行滤波，提取滤波后的特征，训练Adaboost级联粗分类器；(e)对粗分类过后的检测窗口，提取卷积通道特征以及颜色自相似特征，用精细分类器再次进行判别，去除一些错误的检测窗口；(f)对最终的检测窗口按置信度进行由大到小排序，为了提高检测的速度，取前T个检测窗口，采用非极大值抑制算法，去除一些重复的检测窗口，得到最终的检测结果；其中，步骤(d)的粗分类器通过以下步骤得到：(d1)对每个特征通道利用维纳辛钦理论算法，提取p个去无关的滤波器核，并对通道图像进行滤波，将滤波后的图像级联作为特征；(d2)通过Adaboost算法训练级联的粗分类器；步骤(e)中的精细分类器通过以下步骤得到：(e1)对(c)中的每个特征通道提取PCA核，作为卷积网络模型中的卷积核；(e2)对(c)中的每个特征通道的每张图像提取颜色自相似特征；(e3)建立卷积网络模型，将特征通道图像作为网络输入，输出卷积通道特征；(e4)将卷积通道特征和颜色自相似特征进行级联，作为精细特征；(e5)训练Adaboost精细分类器。