[发明专利]一种基于特征融合的行人检测方法

摘要

本发明公开了一种基于特征融合的行人检测方法，通过对图片中行人特征的融合来检测行人，能弥补单一特征的局限性从而提高行人检测率，同时降低维度提高了检测速度。提出了一种利用PCA降维的HOG与纹理特征LBP融合的行人检测方法。利用PCA对HOG进行降维，将特征维数从3780维降低到300维。采用多特征融合的方法，融合LBP纹理特征，与SVM分类器相结合，在提高HOG-LBP识别率的同时，降低了训练和检测的时间，且能很好处理行人遮挡问题。

主权项

一种基于特征融合的行人检测方法，其特征在于：包括以下步骤：步骤1：采集图像；步骤2：对步骤1采集到的图像的伽马空间和颜色空间进行标准化处理；步骤3：对步骤2中获得的图像进行像素梯度的计算；步骤4：对步骤3获得的图像进行单元内梯度直方图的统计；步骤5：对步骤4统计获得的单元内梯度直方图块归一化处理得到块归一化直方图；步骤6：对步骤5得到块归一化直方图提取特征，得到维度为3780*3780维的HOG特征向量；步骤7：对步骤6的图像通过训练样本的HOG特征，获得样本均值，计算特征值、特征向量以及协方差矩阵U，其中U的矩阵大小为3780*3780；步骤8：对于协方差矩阵中的每一个HOG特征值，通过PCA降维公式进行降维，得到具有HOG‑PCA特征的p维矩阵；步骤9：对于步骤1采集的图像进行图像分割；步骤10：求取步骤9分割后的图像中每块LBP特征直方图；步骤11：对于步骤10得到的LBP特征直方图进行归一化直方图处理；步骤12：对于步骤11得到归一化处理后的直方图提取纹理LBP特征；步骤13：将步骤8得到的HOG‑PCA特征矩阵和步骤12得到的LBP特征矩阵级联在一起，得到HOG‑PCA‑LBP特征矩阵。步骤14，待所有行人图像处理完毕输出结果。