[发明专利]大数据环境下的行人检测的方法

权利要求书

1.一种大数据环境下的行人检测的方法，其特征在于步骤如下：

1)将所选取的训练样本图像统一为相同尺寸大小的图像，计算样本图像的特征；

2)使用汉明码距离相似性度量方法，计算特征相似性；

3)根据特征的相似性对样本进行聚类，将样本分为多个类别；

4)对于每一个类别分别进行训练，得到多个分类器模型；

5)联合多个分类器对新样本进行测试。

2.根据权利要求1所述的大数据环境下的行人检测的方法，其特征在于：所述步骤1)包括以下具体步骤：

11)针对样本图像随机初始化fn个的相同大小的区域块，fn的取值范围为1000～10000，每个区域块随机初始化tn个的坐标点对，设tn＝{4,8,16,32}；

12)针对每一个区域块，计算坐标点对的像素差值，若差值大于自定义的阈值ρ，则该坐标点对的形成的特征值为1，若差值小于或等于自定义的阈值ρ则为0，因此，每个区域块的特征是由0和1组成，长度为tn的序列；

13)对于每一个样本图像，计算fn个区域块的特征，所有区域块的特征最终形成样本图像的特征T，特征T是由fn个长度为tn的序列组成。

3.根据权利要求1所述的大数据环境下的行人检测的方法，其特征在于：所述步骤2)计算特征相似性包括以下具体步骤：

21)计算码长为tn的汉明码距离，并将其存储于查找表LUT中；

22)计算特征的汉明码距离，对于样本图像X_i的特征T_i和样本图像X_j的特征T_j，计算公式如下：

Σk=1fnLUT(~(Tik^Tjk))---(1)]]>

其中，表示特征T_i第k段序列，表示特征T_j第k段序列，符号^表示异或运算，符号～表示取反运算。

4.根据权利要求1所述的大数据环境下的行人检测的方法，其特征在于：样本分为正例样本和反例样本，正例样本是指含有行人的图像，反例样本是指不含有行人的图像，所述步骤3)样本聚类包括以下具体步骤：

31)正例样本聚类；

32)反例样本聚类。

5.根据权利要求4所述的大数据环境下的行人检测的方法，其特征在于：所述步骤31)包括以下具体步骤：

311)初始化类个数为零，即c＝0，类的特征向量为空，即V＝NULL；

312)对于正例样本X_i的特征T_i，利用步骤2)分别计算T_i与现有类的特征向量V_j的汉明码距离D_ij,j＝0,1,...c；

313)在D_ij,j＝0,1,...c中，其最大值记为Max{D_ik}，若Max{D_ik}为负或小于阈值ρ_P则该样本归为新的一类，并且该类的特征向量为V_i，否则该样本归为第k类；

314)重复312)～313)直至计算完所有正样本，最终生成c个类别。