[发明专利]基于深度信息的人体检测方法

权利要求书

1.基于深度信息的人体检测方法，其特征在于，包括图像预处理步骤和人体检测步骤；其中，

图像预处理步骤包括：

s11、图像深度信息提取；

s12、对深度图像进行高斯图像金字塔下采样；

s13、对下采样后的图像进行梯度直方图，以获取特征通道；

s14、对梯度直方图后得到特征通道进行积分图运算；

人体检测步骤包括：

s21、通过帧间运动信息，找到检测区域；

s22、采用基于离散AdaBoost算法的分类器对需要检测区域进行特征提取；

s23、对通过分类器检测输出人体窗口进行合并，在图像上标志处人体区域。

2.根据权利要求1所述的基于深度信息的人体检测方法，其特征在于，步骤s12输出图像分辨率是输入图像的四分之一。

3.根据权利要求1所述的基于深度信息的人体检测方法，其特征在于，步骤s13之后总共获得8个特征通道，包括：采用了梯度直方图方法得到的6个梯度直方图特征通道，一个梯度幅值特征通道以及一个图像深度值特征通道。

4.根据权利要求3所述的基于深度信息的人体检测方法，其特征在于，步骤s13包括：

s131、在每个深度像素上计算图像梯度幅值和梯度方向；

s132、将梯度方向在[0-180°]区间内量化为6个单位，梯度幅值通过HOG映射到这个区间内，共占据6个特征通道，再包括图像深度值占一个特征通道，梯度幅值占一个特征通道，总共8个特征通道。

5.根据权利要求4所述的基于深度信息的人体检测方法，其特征在于，s131中，梯度幅值首先采用sobel算子从横向和纵向分别求梯度值，然后对同一个像素位置的横向和纵向梯度求平方和再开方得到其梯度值；梯度方向根据横向和纵向梯度值求取。

6.根据权利要求1所述的基于深度信息的人体检测方法，其特征在于，步骤21根据上1帧人体所在位置确定当前图像检测区域。

7.根据权利要求1所述的基于深度信息的人体检测方法，其特征在于，步骤22包括：训练多个检测窗口大小不同的分类器，其中弱分类器采用2层决策树，决策树及其权重通过离散AdaBoost算法学习得到，检测区域经过多个分类器计算判断是否包含人体。