[发明专利]一种行人检测方法及系统

说明书

技术领域

本发明涉及计算机视觉技术领域，特别涉及一种行人检测方法及系统。

背景技术

随着技术的不断发展，行人检测具有极其广泛的应用：智能辅助驾驶，智能监控，行人分析以及智能机器人等领域。行人检测就是把视频图像中的行人目标从背景中分割出来并精确定位。基于视觉的行人检测目前仍旧是计算机视觉领域的一个公认的难题。

当前行人检测算法分为两大类：一类是基于模板匹配的方法，此方法通过预先制作的不同行人姿态轮廓形状模板在图像中滑动匹配找到卷积最大值的地方。另一类是基于统计学习特征的方法，此方法根据大量的训练样本特征构建行人检测分类器。提取的特征一般有目标的灰度、边缘、纹理、形状、梯度直方图等信息。常用的特征有HAAR（Haar-like features）、HOG（Histogram of Oriented Gradient，方向梯度直方图）、LBP（Local Binary Pattern，局部二值模式）等，常用的分类器为SVM（Support Vector Machine，支持向量机）、adaboost（弱分类器）等。

此两类行人检测算法分别有如下缺点：基于模板匹配的方法由于行人姿态多样，需要制作大量的不同姿态以及不同大小的人体模型，大量的模板在图像中进行滑动匹配需要消耗大量的时间，且人体模型的制作也是个难题。此类方法速度慢、检出率低、误检率较高，在实际应用中存在较多问题。而基于特征的方法没有利用到行人穿的衣服的颜色对称性，如HAAR、LBP特征较为简单，仅仅使用单个特征难以取得较好的效果；HOG特征检测效果较好，但是对其进行全图检测极为耗时。

因而现有技术还有待改进和提高。

发明内容

鉴于上述现有技术的不足之处，本发明的目的在于提供一种行人检测方法及系统，旨在解决现有行人检测技术识别速度慢、准确率低的问题。

为了达到上述目的，本发明采取了以下技术方案：

一种行人检测方法，其中，包括：

A、对视频的图像进行预处理，将RGB空间的图像转换为HSV颜色空间的图像并噪声滤波；

B、判断所述图像中不同位置不同大小的候选区域的颜色纹理是否镜像对称，根据判断结果筛选出所述图像的所有行人候选区域；

C、根据预先训练得到的行人肩膀区域与人头区域联合模型对所有行人候选区域进行检测，判断各个行人候选区域是否为真正行人区域。

所述的行人检测方法，其中，在所述步骤A之前，还包括：

A11、获取多张包含行人肩膀区域与人头区域的图像数据作为正样本，获取多张不包含行人肩膀区域与人头区域的图像数据作为负样本；

A12、分别提取所述正样本和负样本的HOG特征；

A13、将所述HOG特征送入SVM分类器中进行训练，得到行人肩膀区域与人头区域联合模型。

所述的行人检测方法，其中，所述步骤B具体包括：

B10、以不同大小的候选框在所述图像中滑动，获取所述图像中不同位置不同大小的候选框对应的候选区域；

B20、判断所述候选区域的颜色纹理是否镜像对称，若为是，则所述候选区域为行人候选区域；若为否，则所述候选区域为非行人候选区域。

所述的行人检测方法，其中，所述步骤B20具体包括：

B21、根据HSV颜色空间的候选区域，得到所述候选区域在H、S及V三种颜色通道上分别对应的颜色纹理；

B22、以所述候选区域中线为中心线，分别计算三种颜色纹理以中心线为分界线的左右两边颜色纹理的相似度，当所述相似度大于预设的相似度阈值时，则认为该种颜色纹理镜像对称；当所述相似度不大于预设的相似度阈值时，则认为该种颜色纹理非镜像对称；

B23、判断所述候选区域的三种颜色纹理是否均为镜像对称，若为是，则所述候选区域为行人候选区域；若为否，则所述候选区域为非行人候选区域。

所述的行人检测方法，其中，所述步骤C具体包括：

C10、根据所述行人肩膀区域与人头区域联合模型对所有行人候选区域进行检测得到对应的检测值；

C20、判断所述检测值是否大于预设的模型阈值，若为是，则该检测值对应的行人候选区域为真正行人区域；若为否，则该检测值对应的行人候选区域为非行人区域。

一种行人检测系统，其中，包括：

预处理模块，用于对视频的图像进行预处理，将RGB空间的图像转换为HSV颜色空间的图像并噪声滤波；