基于邊緣對稱性的行人檢測方法
【專利摘要】本發(fā)明提供了一種基于邊緣對稱性的行人檢測方法，其通過對稱差分法對待檢測圖像進(jìn)行邊緣檢測及二值化處理以得到運(yùn)動區(qū)域邊緣二值圖Rk(x，y)，最后使用具設(shè)置至少兩條中心線的對稱中心的窗口掃描所述運(yùn)動區(qū)域邊緣二值圖，以獲取同一條中心線與運(yùn)動區(qū)域邊緣二值圖相重合的一組邊緣像素點(diǎn)，并判斷該組邊緣像素點(diǎn)是否相互對稱于所述對稱中心，若存在至少兩組相互對稱于對稱中心的邊緣像素點(diǎn)，則將所述運(yùn)動區(qū)域邊緣二值圖定義為包含行人的候選行人區(qū)域。在本發(fā)明中，基于人體對稱性的特征，利用邊緣對稱性快速地檢測出候選行人區(qū)域，避免使用固定大小的窗口進(jìn)行多尺度下的密集掃描，降低了運(yùn)算量，提高了對監(jiān)控區(qū)域中對包含行人的行人區(qū)域的檢測速度。
【專利說明】基于邊緣對稱性的行人檢測方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明屬于計(jì)算機(jī)視頻監(jiān)控【技術(shù)領(lǐng)域】，尤其涉及一種基于邊緣對稱性的行人檢測方法。
【背景技術(shù)】
[0002]目前，行人檢測在計(jì)算機(jī)視覺【技術(shù)領(lǐng)域】中已成為技術(shù)熱點(diǎn)，它在輔助駕駛、視頻監(jiān)控、遠(yuǎn)距離身份識別等領(lǐng)域都有廣泛的應(yīng)用前景。在現(xiàn)有技術(shù)中，對行人進(jìn)行檢測主要通過視覺傳感器以實(shí)現(xiàn)對行人的檢測。
[0003]在現(xiàn)有的行人檢測技術(shù)中，主要通過基于視覺傳感器來實(shí)現(xiàn)；其中，基于統(tǒng)計(jì)分類方法是目前效果比較理想的一種行人檢測方法，其主要通過HOG特征和SVM分類器以實(shí)現(xiàn)對通過視覺傳感器所采集的圖形進(jìn)行檢測，具體包括:使用64X64(像素點(diǎn))大小的窗口對整幅圖像進(jìn)行多尺度下的密集掃描；再對每個子窗口計(jì)算HOG特征；最后使用SVM分類器進(jìn)行分類，以提取出整幅圖像中所包含的所有行人區(qū)域。
[0004]相關(guān)技術(shù)內(nèi)容可參考文獻(xiàn)(DalaiN, Triggs B.Histograms of orientedgradient for human detection.1n:IEEE Conference on Computer Vision and PatternRecognition,Dalai N,Triggs B.基于梯度方向直方圖的人體檢測，電氣電子工程師學(xué)會，計(jì)算機(jī)視覺與模式識別國際會議)。雖然該方法取得了很好的檢測效果，但是該方法的計(jì)算量相當(dāng)巨大，因此存在檢測速度較慢的技術(shù)缺陷。
[0005]有鑒于此，有必要對現(xiàn)有技術(shù)中的行人檢測技術(shù)，尤其是對基于統(tǒng)計(jì)分類以實(shí)現(xiàn)對監(jiān)控區(qū)域進(jìn)行行人檢測的技術(shù)予以改進(jìn)，以解決上述技術(shù)瑕疵。

【發(fā)明內(nèi)容】

[0006]本發(fā)明的目的在于提供一種基于邊緣對稱性的行人檢測方法，用以降低計(jì)算量，提高對公共區(qū)域中通過視覺傳感器所采集的圖像中所包含的行人區(qū)域進(jìn)行檢測的效率與精度。
[0007]為實(shí)現(xiàn)上述發(fā)明目的，本發(fā)明提供了一種基于邊緣對稱性的行人檢測方法，包括以下步驟:
[0008]S1、視覺傳感器采集監(jiān)控區(qū)域的視頻流圖像作為待檢測圖像；
[0009]S2、通過對稱差分法對待檢測圖像進(jìn)行邊緣檢測以得到運(yùn)動區(qū)域邊緣灰度圖Gk (X，y)；
[0010]S3、對所述運(yùn)動區(qū)域邊緣灰度圖進(jìn)行二值化處理以得到運(yùn)動區(qū)域邊緣二值圖Rk(χ，y)；
[0011 ] S4、使用具對稱中心的窗口掃描所述運(yùn)動區(qū)域邊緣二值圖，并在窗口的對稱中心設(shè)置至少兩條中心線，獲取同一條中心線與運(yùn)動區(qū)域邊緣二值圖相重合的一組邊緣像素點(diǎn)，并判斷該組邊緣像素點(diǎn)是否相互對稱于所述對稱中心，若存在至少兩組相互對于對稱中心的邊緣像素點(diǎn)，則將所述運(yùn)動區(qū)域邊緣二值圖定義為包含行人的候選行人區(qū)域。[0012]作為本發(fā)明的進(jìn)一步改進(jìn)，所述步驟SI之前還包括:利用HOG特征和線性SVM分類器對訓(xùn)練樣本集進(jìn)行訓(xùn)練以得到HOG行人分類器。
[0013]作為本發(fā)明的進(jìn)一步改進(jìn)，所述步驟SI中的訓(xùn)練樣本集包括:正樣本集和負(fù)樣本集，所述正樣本集包括若干包含行人區(qū)域且大小為64X64的邊緣二值圖，所述負(fù)樣本集包括若干不包含行人區(qū)域且大小為64X64的邊緣二值圖。
[0014]作為本發(fā)明的進(jìn)一步改進(jìn)，所述步驟S4之后還包括使用HOG行人分類器對所述步驟S4中的候選行人區(qū)域進(jìn)行重合度匹配的步驟，以提取出行人區(qū)域。
[0015]作為本發(fā)明的進(jìn)一步改進(jìn)，所述步驟S2具體為:根據(jù)步驟SI獲取的待檢測圖像，并計(jì)算相鄰兩幀待檢測圖像的絕對差灰度圖像gk(X，y)、gk+1 (χ, y)，所述相鄰兩幀待檢測圖像的絕對差灰度圖像的計(jì)算公式如下所示:
[0016]gk(x, y) = |fk(x, y) -fk_! (x, y) |，gk+1 (x, y) = |fk+1 (x, y) -fk (x, y) I ；
[0017]其中，(x，y)、fk(x，y)、fk+1 (x，y)分別為從步驟SI中所獲取的視頻流圖像中提取的連續(xù)三幀的待檢測圖像；
[0018]然后通過與運(yùn)算得到運(yùn)動區(qū)域邊緣灰度圖Gk(X，y)。
[0019]作為本發(fā)明的進(jìn)一步改進(jìn)，所述步驟S3具體為:計(jì)算分割閥值Tv后，根據(jù)所述分割閥值Tv對運(yùn)動區(qū)域邊緣灰度圖進(jìn)行二值化處理，從而得到運(yùn)動區(qū)域邊緣二值圖Rk(X，y)；
[0020]所述分割閾值Tv的計(jì)算公式如下所示:
【權(quán)利要求】
1.基于邊緣對稱性的行人檢測方法，其特征在于，包括以下步驟: S1、視覺傳感器采集監(jiān)控區(qū)域的視頻流圖像作為待檢測圖像； S2、通過對稱差分法對待檢測圖像進(jìn)行邊緣檢測以得到運(yùn)動區(qū)域邊緣灰度圖Gk(X，y)； S3、對所述運(yùn)動區(qū)域邊緣灰度圖進(jìn)行二值化處理以得到運(yùn)動區(qū)域邊緣二值圖Rk(X，y)； S4、使用具對稱中心的窗口掃描所述運(yùn)動區(qū)域邊緣二值圖，并在窗口的對稱中心設(shè)置至少兩條中心線，獲取同一條中心線與運(yùn)動區(qū)域邊緣二值圖相重合的一組邊緣像素點(diǎn)，并判斷該組邊緣像素點(diǎn)是否相互對稱于所述對稱中心，若存在至少兩組相互對于對稱中心的邊緣像素點(diǎn)，則將所述運(yùn)動區(qū)域邊緣二值圖定義為包含行人的候選行人區(qū)域。
2.根據(jù)權(quán)利要求1所述的行人檢測方法，其特征在于，所述步驟SI之前還包括:利用HOG特征和線性SVM分類器對訓(xùn)練樣本集進(jìn)行訓(xùn)練以得到HOG行人分類器。
3.根據(jù)權(quán)利要求2所述的行人檢測方法，其特征在于，所述步驟SI中的訓(xùn)練樣本集包括:正樣本集和負(fù)樣本集，所述正樣本集包括若干包含行人區(qū)域且大小為64X64的邊緣二值圖，所述負(fù)樣本集包括若干不包含行人區(qū)域且大小為64X64的邊緣二值圖。
4.根據(jù)權(quán)利要求2所述的行人檢測方法，其特征在于，所述步驟S4之后還包括使用HOG行人分類器對所述步驟S4中的候選行人區(qū)域進(jìn)行重合度匹配的步驟，以提取出行人區(qū)域。
5.根據(jù)權(quán)利要求1所述的行人檢測方法，其特征在于，所述步驟S2具體為:根據(jù)步驟SI獲取的待檢測圖像，并計(jì)算相鄰兩幀待檢測圖像的絕對差灰度圖像gk(X，y)、gk+1 (χ, y)，所述相鄰兩幀待檢測圖像的絕對差灰度圖像的計(jì)算公式如下所示:
gk (χ，y) = l fk (χ，y) -fk-1 (χ，y) I，gk+i (χ，y) = I fk+i (χ，y) -fk (χ，y) I ；分別為從步驟Si中所獲取的視頻流圖像中提取的連續(xù)三幀的待檢測圖像； 然后通過與運(yùn)算得到運(yùn)動區(qū)域邊緣灰度圖Gk(X，y)。
6.根據(jù)權(quán)利要求1所述的行人檢測方法，其特征在于，所述步驟S3具體為:計(jì)算分割閥值Tv后，根據(jù)所述分割閥值Tv對運(yùn)動區(qū)域邊緣灰度圖進(jìn)行二值化處理，從而得到運(yùn)動區(qū)域邊緣二值圖Rk(x，y)； 所述分割閾值Tv的計(jì)算公式如下所示:
7.根據(jù)權(quán)利要求1或6所述的行人檢測方法，其特征在于，所述步驟S3中“二值化處理”的運(yùn)算公式如下所示:
8.根據(jù)權(quán)利要求1所述的行人檢測方法，其特征在于，在所述步驟S4中的對稱中心設(shè)置偶數(shù)條中心線，所有中心線之間的夾角相等。
9.根據(jù)權(quán)利要求8所述的行人檢測方法，其特征在于，在所述步驟S4中的對稱中心設(shè)置兩條相互垂直的中心線。
10.根據(jù)權(quán)利要求1所述的行人檢測方法，其特征在于，所述步驟S4中的窗口包括長方形、正方形、六邊形或 者菱形。
【文檔編號】G06K9/00GK103559482SQ201310537558
【公開日】2014年2月5日 申請日期:2013年11月5日 優(yōu)先權(quán)日:2013年11月5日
【發(fā)明者】呂楠, 楊京雨, 瞿研 申請人:無錫慧眼電子科技有限公司