[发明专利]一种基于曲线拟合的行人检测方法

说明书

技术领域

本发明属于计算机视觉技术领域，特别涉及一种基于曲线拟合的行人检测方法。

背景技术

真实场景中的行人检测技术在计算机视觉应用技术中占有重要地位，例如，视频监控和客流统计系统；同时，提高行人检测的鲁棒性也是其他智能视频分析技术得以提升的先决条件之一。

行人检测技术广泛应用于博物馆、飞机场、停车场、车站、商场、银行等敏感地点的智能监控外，在智能车辆、行人流量统计、智能交通控制等方面也有极其重要的研究价值。但是由于行人本身及其周围环境所固有的特点，要做到实时、准确的检测仍然面临着很多技术难点，主要体现在以下两个方面：1、行人的非刚性；2、图像的摄像角度、光照以及周围环境等因素。

随着电子技术的发展，基于图像或视频的行人检测技术已逐渐取代了传统的红外、雷达等行人检测方式；并且基于图像或视频的行人检测技术具备更高的可靠性、方面性和低成本使得其越来越受到大家的广泛关注。

传统的行人检测方法大体分为两类：一类是基于模版匹配的方法；一类是利用霍夫投票的方法。但是现有技术中基于图像或视频的行人检测技术在行人图像与非行人图像鉴别上仍然存在一定的误差与区别能力不高的技术缺陷。

有鉴于此，有必要对现有技术中的行人检测技术予以改进，以解决上述问题。

发明内容

本发明的目的在于提供一种可有效提高公共区域中行人检测效率的一种基于曲线拟合行人检测方法。

为实现上述发明目的，本发明公开了一种基于曲线拟合的行人检测方法，包括以下步骤：

S1、输入训练样本集；

S2、对训练样本集进行曲线拟合，得到经曲线拟合后的强分类器；

S3、基于Adaboost算法对训练样本集进行训练，得到级联分类器；

S4、输入待检测图像，通过曲线拟合后得到的强分类器对待检测图像进行第一级检测，得到候选行人区域；

S5、利用级联分类器对候选行人区域进行第二级检测，得到行人区域。

作为本发明的进一步改进，所述步骤S1中的训练样本集包括：包含行人图像的正样本集、不包含行人图像的负样本集，正样本集中的所有正样本与负样本集中的所有负样本均为64×128像素的灰度图像。

作为本发明的进一步改进，所述正样本集中的正样本数量与负样本集中的负样本数量相等。

作为本发明的进一步改进，所述步骤S2中的曲线拟合具体为：将Haar基本特征线性组合成若干个Haar对比特征，然后分别计算每一个Haar对比特征在正样本集及负样本集中的特征值分布，并将正样本集与负样本集的特征值分布情况分别用曲线进行拟合。

作为本发明的进一步改进，所述步骤S2中还包括：根据所有Haar对比特征在正样本集及负样本集中的特征值分布情况，寻找可区分正样本集与负样本集的Haar区别特征、Haar区别特征所对应的阀值th、并计算被阀值th正确判断为正样本集的正样本概率及被阀值th误判为正样本集的负样本概率。

作为本发明的进一步改进，所述步骤S2中还包括：将每个Haar区别特征、Haar区别特征所对应的阀值th、被阀值th正确判断为正样本集的正样本概率及被阀值th误判为正样本集的负样本概率生成一个经曲线拟合后的弱分类器，并提取若干经曲线拟合后的弱分类器。

作为本发明的进一步改进，所述步骤S2中提取若干经曲线拟合后的弱分类器之后还包括：判断Haar对比特征是否循环完毕，

若是，则并将得到的若干经曲线拟合后的弱分类器组成为一个经曲线拟合后的强分类器；

若否，则继续计算下一个Haar对比特征分别在正样本集与负样本集中的特征值分布情况。

作为本发明的进一步改进，所述步骤S4中输入待检测图像具体为：将输入的待检测图像转化为灰度图像，然后将该灰度图像进行若干次缩小，并将缩小后的灰度图像转化为积分图，所述灰度图像进行缩小时，该灰度图像的高度H、宽度W每次均缩小1.5％。

作为本发明的进一步改进，所述灰度图像被缩小的次数

其中：代表向下取整；W为灰度图像的长度；H为灰度图像的高度。

作为本发明的进一步改进，所述步骤S4中通过曲线拟合后得到的强分类器对待检测图像进行第一级检测具体为：以64×128像素大小的图像块作为检测窗口，在水平和垂直方向上以6个像素点为步长，对积分图作行、列的滑动扫描。