[发明专利]自适应视频场景的行人检测方法

摘要

本发明公开了一种自适应视频场景的行人检测方法，具体为通过对新场景使用初始行人检测器完成粗检测，人工分类筛选出场景下正样本与负样本，省去了对新场景视频逐帧裁切制作样本的大量人工成本；最后通过计算旧样本集与新样本集的余弦相似度来刷新旧样本集，保证了训练样本集随新场景而更新，同时训练样本集的大小不会因为新场景的加入增大而导致巨额训练负担。本发明的方法能够生成自动适应于场景的鲁棒、高效的行人检测器，在工程应用上展现了优秀的效果，更进一步的优点及细节在具体实施方式中得以描述和展示。

主权项

一种自适应视频场景的行人检测方法，包括以下步骤：S1.选取行人的正样本集P和负样本集N；S2.将正负样本集P、N中每一个样本转换为特征向量，将所述特征向量作为支持向量机SVM的输入，生成初始行人检测器；S3.使用初始行人检测器对新场景下视频进行检测，保存所有被检测出的目标图像，对保存的图像分成两类：准确包含行人的图像集合定义为P*，未能准确包含行人即误报图像的集合定义为N*；S4.将准确包含行人的图像集合P*里的图像转换成特征向量与正样本集P所转换成的特征向量进行相似度计算，使用P*替换掉正样本集P中对应于P*里所有样本相似度最低的部分样本，完成新场景下正样本集的更新；将未能准确包含行人即误报图像的集合N*里的图像转换成特征向量与负样本集N所转换成的特征向量进行相似度计算，使用N*替换掉负样本集N中对应于N*里所有样本相似度最低的部分样本，完成新场景下负样本集的更新；S5.将更新后的正负样本集P、N转换成特征向量作为支持向量机的输入，生成适用于该场景下的行人检测器，进而完成该场景下的行人检测；S6.对于之后每一次新来场景，可重复步骤S2到步骤S5的过程。