[发明专利]一种基于yolov3的行人检测及步态识别的方法

权利要求书

1.一种基于yolov3的行人检测及步态识别的方法，其特征在于

建立yolov3分类特征模型步骤，使用变粒度HOG和CSLBP的方法提取行人轮廓的全局特征以及行人局部的细节纹理特征；

检测行人目标区域及步态识别检测步骤，采用SEF-GHEI能量图进行检测。

2.根据权利要求1所述的基于yolov3的行人检测及步态识别的方法，其特征在于建立yolov3分类特征模型包括：

添加图像预处理层步骤，即分别使用变粒度HOG和CSLBP的方法提取行人轮廓的全局特征以及行人局部的细节纹理特征，然后将提取的变粒度HOG特征和CSLBP纹理特征进行融合得到HOG-CSLBP特征。

3.根据权利要求2所述的基于yolov3的行人检测及步态识别的方法，其特征在于建立yolov3分类特征模型包括：

更改yolov3网络中输出层的卷积核个数，然后根据更改后的结果构建yolov3分类特征模型，然后使用添加图像预处理层步骤中提取到的HOG-CSLBP特征作为网络的输入数据并对yolov3分类特征模型进行预训练。

4.根据权利要求3所述的基于yolov3的行人检测及步态识别的方法，其特征在于：从步态数据中不同视角下的步态视频中提取步态图像，然后使用添加图像预处理层步骤中的方法对提取的步态图像提取HOG-CSLBP特征。

5.根据权利要求3所述的基于yolov3的行人检测及步态识别的方法，其特征在于：使用HOG-CSLBP特征数据对yolov3分类特征模型中预训练的模型进行微调，得到检测行人yolov3分类特征模型。

6.根据权利要求5所述的基于yolov3的行人检测及步态识别的方法，其特征在于：行人目标区域检测步骤为使用微调中训练出来的模型所检测出的行人目标区域，采用背景消减法提取人体轮廓图像并二值化；首先采用形态学方法对其进行去噪或者降噪；其次通过图像归一化方法对经过形态学处理后的步态轮廓图像进行归一化处理，然后对归一化后的步态轮廓图像进行周期检测，从而获得行人步态周期图像序列。

7.根据权利要求6所述的基于yolov3的行人检测及步态识别的方法，其特征在于从步态周期图像序列中提取每个人的步态特征；SEF-GHEI能量图定义如下：，其中：N表示步态周期内的步态剪影图像序列帧数，表示第帧步态剪影图像坐标像素值方向的HOG特征，其中表示梯度方向直方图bin的索引号。

8.根据权利要求7所述的基于yolov3的行人检测及步态识别的方法，其特征在于：首先将上述所有训练样本的SEF-GHEI能量图以列的方式展开成列向量，然后把展开成列向量的训练样本构建成字典，其中表示第类训练样本组成的列向量特征，i从1到n，n为自然数，然后将矩阵的列进行规范化计算并得到范数；其次使用PCA方法先对字典进行降维处理；最后通过公式计算投影矩阵P，即。

9.根据权利要求8所述的基于yolov3的行人检测及步态识别的方法，其特征在于：将所有测试样本的SEF-GHEI能量图以列的方式展开成列向量，并进行列规范化；使用表示采用PCA方法进行降维后的测试样本；根据投影矩阵P的值，计算降维后的测试样本在投影矩阵P上的投影值x，即：x=Py；并通过计算正规化残差，即：；最后将归类于残差最小的一个类：并输出识别结果。