[发明专利]一种基于稀疏编码和神经网络的行人图片检测方法

权利要求书

1.一种基于稀疏编码和神经网络的行人图片检测方法，其特征在于，所述 图片检测方法具体为：

步骤S101：首先对样本数据集中的正样本和负样本做图像预处理，然后再 提取聚合通道特征；

步骤S102：构建BP-AdaBoost强分类器模型，并利用步骤S101得到的聚合 通道特征对BP-AdaBoost强分类器进行训练；

步骤S103：获取待检测视频帧，并对视频帧进行图像预处理，并根据缩放 因子进行不同尺度的缩放得到图片金字塔，所述图片金字塔是由视频帧的原图 像和若干缩放图像组成的层图像集；

步骤S104：利用快速图像特征金字塔计算方法结合滑动窗口检测法，对层 图像集每一层层图像所处的窗口图像进行计算得出聚合通道特征，并利用训练 好的BP-AdaBoost强分类器进行分类识别；

步骤S105：当窗口图像的检测结果为正样本，则BP-AdaBoost强分类器输 出检测窗口，将所有层图像对应的检测窗口进行融合得到准确的定位窗口；当 窗口图像的检测结果为负样本，则无输出。

2.根据权利要求1所述的基于稀疏编码和神经网络的行人图片检测方法， 其特征在于，所述步骤S101中，所述样本数据集包括INRIA训练样本集和INRIA 训练样本集的对称变换样本集。

3.根据权利要求1所述的基于稀疏编码和神经网络的行人图片检测方法， 其特征在于，所述步骤S101和所述步骤S103中，所述图像预处理包括尺寸归 一化处理和图像降噪处理；所述图像降噪处理采用的滤波器为小波滤波器。

4.根据权利要求1所述的基于稀疏编码和神经网络的行人图片检测方法， 其特征在于，所述步骤S101和所述步骤S103中，所述聚合通道特征包括三种 通道特征：HSV颜色空间、梯度方向直方图和梯度强度特征。

5.根据权利要求4所述的基于稀疏编码和神经网络的行人图片检测方法， 其特征在于，所述HSV颜色空间由视频帧的RGB颜色空间转换得到，具体为：

设RGB颜色空间中红、绿和蓝颜色的坐标均为(r,g,b)，r、g、b的值是在0 到1之间的实数，设max等价于r、g和b中的最大者，设min等于r、g和b 中值中的最小者，设HSV空间坐标值为(h,s,v)，其中h∈[0°,360°)为色调， s∈[0,1]为颜色，v∈[0,1]为饱和度，计算公式为：

s=0,ifmax=0max-minmax=1-minmax,otherwise]]>

v＝max；

所述梯度强度的计算公式为：

m(x,y)=(I(x+1,y)-I(x-1,y)2+I(x,y+1)-I(x,y-1))2]]>

所述梯度方向直方图的计算公式为：

θ(x,y)＝arctan((I(x,y+1)-I(x,y-1))/(I(x+1,y)-I(x-1,y)))。