[发明专利]一种行人识别及定位方法

摘要

本发明公开了一种行人识别及定位方法，包括训练阶段和检测阶段，训练阶段具体包括以下步骤：制作正样本集和负样本集；提取样本的HOG特征向量；训练SVM分类器。检测阶段包括：输入待识别定位图像；检测个体对应图像的一个矩形区域；提取矩形区域的HOG特征向量；利用线性SVM分类器判定矩形窗口是否包含行人；当已经检测完图像中所有的矩形区域时，输出检测结果，否则继续检测图像。本发明基于HOG‑SVM行人识别框架及多峰分布估计算法MEDA识别，在获得更快的检测速度的同时获得更准确的检测结果。

主权项

1.一种行人识别及定位方法，其特征在于，包括训练阶段和检测阶段；训练阶段具体包括以下步骤：S1.1、制作正样本集和负样本集；S1.2、从正负样本集里提取HOG特征，构成特征向量；S1.3、利用步骤S1.2中得到的特征向量训练线性SVM分类器；检测阶段具体包括以下步骤：S2.1、编码：图像的矩形区域可用三维向量(x，y，z)表示，其中(x，y)是输入图像中的矩形区域左上角的横纵坐标，z是矩形区域相对于正负样本集尺寸的比例；种群个体的编码方式也为(x，y，z)，即每个个体对应图像的一个矩形区域，同时，保证检测窗口不超出原始图片的范围；S2.2、随机初始化第一代种群，给定种群大小NP、行人检测阈值θ；S2.3、聚类个体：利用niching策略聚类种群中相似个体，将整个种群划分为若干个niches；S2.4、分布估计及产生后代：待种群划分完成后，首先对每个niche进行分布估计，得到每个niche的均值和标准差，接下来根据所得到的分布结果运用高斯分布及柯西分布，产生下一代种群；S2.5、个体筛选：在每个niche中，将新生成的个体逐个与该niche中与之最相似的个体进行比较，剔除二者适应度较低的个体；S2.6、局部搜索：以一定的概率对每个niche中适应度最高的个体进行局部搜索；S2.7、判断：如果满足结束条件则进入步骤S2.8，否则返回到步骤S2；S2.8、个体筛选：将种群里满足阈值条件的个体提取出来组成一个新的集合，并移除集合中区分度较小的个体；S2.9、根据步骤S2.8中的构成的集合中的个体携带的信息，标记出图中的包含行人的矩形区域；S2.10、输出：输出标记有包含行人区域的图片。