[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

摘要

本发明公开了一种基于稀疏编码和神经网络的行人图片检测方法，具体为：先预处理样本数据集中的样本并提取聚合通道特征；构建BP-AdaBoost强分类器模型并训练；对视频帧进行预处理，并进行不同尺度的缩放得到图片金字塔；利用快速图像特征金字塔计算方法结合滑动窗口检测法，对窗口图像进行计算得出聚合通道特征，并利用训练好的强分类器进行分类；当窗口图像的检测结果为正样本，则输出检测窗口，将所有检测窗口进行融合得到准确的定位窗口。本发明的有益效果是：本发明的检测方法在训练样本很大时仍能够具有计算速度快、精确度高的优势。

主权项

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。