[发明专利]基于尺度不变的多特征融合行人检测方法

摘要

本发明公开了一种基于尺度不变的多特征融合行人检测方法，主要解决现有技术中进行行人检测时检测效果不理想的问题。其实现方案为：1.获取训练集和测试集，并将训练集分为正样本集和负样本集；2.从正样本集提取方向梯度直方图HOG特征向量和尺度不变特征变换SIFT特征向量，并将其融合，得到尺度不变的多特征融合S‑HOG特征向量；3.对S‑HOG特征向量进行主成分分析PCA降维；4.使用支持向量机SVM对降维后的特征进行训练，得到SVM行人检测模型；5.将测试集输入到SVM行人检测模型中，得出测试集中是否存在行人的判别结果。本发明提高了行人检测精度，保证了实时性，可用于区域安防监控系统、智能交通管理系统。

主权项

1.一种基于尺度不变的多特征融合行人检测方法，其特征在于，包括如下：(1)获取训练集和测试集：(1a)从INRIA person数据库中筛选出适用行人检测的500张图像作为训练集，图像的分辨率是64×128；(1b)从INRIA person数据库中筛选出600张图像作为第一测试集，从ChangeDetection数据库中的busStation数据集获取1250Frames包含车站场景下来往行人的图像作为第二测试集，从ChangeDetection数据库中的cubicle数据集获取7400Frames包含卧室场景下行人进出的图像作为第三测试集；(2)将训练集分为正样本集和负样本集：根据(1a)筛选的训练集的信息进行正、负样本的划分，即将500张训练集中包含有行人信息的300张图像作为正样本集，将500张训练集中不包含行人信息的200张图像作为负样本集；(3)从正样本集提取方向梯度直方图HOG特征向量和尺度不变特征变换SIFT特征向量；(4)将方向梯度直方图HOG与尺度不变特征变换SIFT特征向量进行融合，得到尺度不变的多特征融合S‑HOG特征向量；(5)对尺度不变的多特征融合S‑HOG特征向量进行主成分分析PCA降维；(6)使用支持向量机SVM对主成分分析后的特征进行训练，得到SVM行人检测模型；(7)使用测试集对行人进行检测：分别把(1b)中的三个测试集输入到(6)中的SVM行人检测模型，得出每个测试集中存在行人或不存在行人的判别结果。