[发明专利]基于支持向量机和深度特征的行人识别方法

摘要

一种基于支持向量机和深度特征的行人识别方法，包括如下步骤制作训练样本，包括设定姿态下和采集的真实场景视频中的正样本与负样本。该行人特征描述子主要分为两部分，一部分用来刻画局部深度信息的变化特征，另一部分用来刻画局部深度信息的大小特征；对得到的训练样本使用LibSVM选取RBF核作为SVM的核函数针对深度信息特征来对行人分类器进行训练；根据分类器在运动目标区域以滑动窗口的方式检测运动目标区域中的行人，使用非极大值抑制的办法来剔除冗余的检测窗口，输出行人检测图像。本方法使用深度特征描述子作为SVM的特征向量进行行人识别，在保证实时性的同时，能够有效减缓相互遮挡、相互粘连等情况，提高了行人识别的准确率。

主权项

一种基于支持向量机和深度特征的行人识别方法，其特征包括如下步骤：步骤一：制作训练样本，构造设定姿态下和搜集的真实场景视频中的正样本与负样本；步骤二：建立一种基于深度信息的特征描述子，用以描述行人在深度图中的特征；该行人特征描述子主要分为两部分，一部分用来刻画局部深度信息的变化特征，另一部分用来刻画局部深度信息的大小特征；深度图中的一点(x,y)，首先计算它跟邻域像素在x方向和在y方向上的差值Δx和Δy：Δx＝d(x+1,y)‑d(x‑1,y)                (1)Δy＝d(x,y+1)‑d(x,y‑1)                (2)其中，d(x,y)表示点(x,y)的深度值；对得到的Δx和Δy进行量化编码：tx=1,Δx≥Td0,|Δx|<Td-1,Δx≤-Td---(3)]]>ty=1,Δy≥Td0,Δy<Td-1,Δy≤-Td---(4)]]>式中Td是一阈值；深度图中一点(x,y)，其在局部深度信息的变化特征定义为(tx,ty)；这些误匹配点在计算均值的时候将其剔除，即：d‾B=Σx∈BdxN-N0---(5)]]>其中，B表示待统计的局部区域，x表示B内的像素点，dx表示其深度值，N是B内所有像素点的个数，而N0是深度值为零的无效像素点；求得的就是区域B的深度大小的特征描述；计算提出的深度描述子的维度,将特征统计单元串联起来，一次按照从左到右、从上到下的顺序组合起来，就获得了检测窗口完整的深度信息描述子；步骤三：对得到的训练样本使用LibSVM选取RBF核作为SVM的核函数针对深度信息特征来对行人分类器进行训练；步骤四：根据分类器在运动目标区域以滑动窗口的方式检测运动目标区域中的行人，使用非极大值抑制的办法来剔除冗余的检测窗口；得到训练好的行人分类器之后，就在运动目标区域以滑动窗口的方式检测运动目标区域中的行人；对于运动目标区域中检测到的所以窗口根据置信概率进行排序，从置信度最高的检测窗口开始处理；计算其与剩余窗口的重叠面积，若面积大于阈值T，则认为它们描述的是同一行人目标，将其剔除；否则，将其保留；当遍历完除最大置信概率的检测窗口后，再计算除当前窗口和剔除窗口后剩余窗口中置信概率最大的检测窗口，如此循环直至处理完窗口；得到输出图像。