廣義行人檢測方法和裝置制造方法
【專利摘要】一種廣義行人檢測方法和裝置，所述廣義行人檢測方法包括：獲取輸入圖像；判斷所述輸入圖像中是否存在預設的車輪共性特征，并當所述輸入圖像中存在所述預設的車輪共性特征時，在所述車輪共性特征區(qū)域左右側或上側選取圖像窗口，并將所述選取的圖像窗口輸入預設的上半身分類器，檢測所述選取的圖像窗口中是否存行人上半身，并輸出第一檢測結果。采用所述方法和裝置，可以降低樣本收集時間，提高廣義行人檢測效率。
【專利說明】廣義行人檢測方法和裝置
【技術領域】
[0001]本發(fā)明涉及智能交通系統(tǒng)領域，特別涉及一種廣義行人檢測方法和裝置。
【背景技術】
[0002]目前，基于視覺的傳感器越來越受到人們的重視。從環(huán)境感知角度看，視覺傳感器具有所獲取的信息量更多更豐富、采樣周期短、受磁場或傳感器相互間干擾影響較小、重量輕、能耗小、使用方便經濟等優(yōu)點，在面向城市道路的主動安全領域發(fā)揮了越來越重要的作用。在國內外，基于視覺的行人等易受傷害的道路用戶主動保護技術已經成為迫切需要解決的關鍵問題和持續(xù)研究的熱點。
[0003]廣義行人可以是指走路的行人、自行車騎行者和摩托車騎行者等易受傷害的道路用戶?，F(xiàn)有的基于視覺的行人等易受傷害的道路用戶主動保護技術的研究主要限于通常意義上的行人檢測，即僅針對走路的行人進行檢測，對于自行車、摩托車的騎行者等同樣易受傷害的廣義行人道路用戶的相關研究較少。
[0004]現(xiàn)有技術方案中，是將自行車和摩托車的騎行者看作是與行人不同的對象。針對騎行者，需要分別收集自行車騎行者的樣本和摩托車騎行者的樣本，采用預設的騎行者樣本庫提取自行車騎行者和摩托車騎行者的特征，并根據(jù)提取出的特征訓練生成自行車騎行者和摩托車騎行者分類器，利用分類器對輸入圖像進行檢測，判斷輸入圖像中是否存在自行車騎行者或摩托車騎行者。
[0005]上述方案需要耗費大量時間收集樣本，提取特征并訓練分類器，造成檢測耗時較長，檢測效率低下。

【發(fā)明內容】

[0006]本發(fā)明實施例解決的問題是如何降低樣本收集時間，提高廣義行人檢測效率。
[0007]為解決上述問題，本發(fā)明實施例提供一種廣義行人檢測方法，包括:獲取輸入圖像；判斷所述輸入圖像中是否存在預設的車輪共性特征，并當所述輸入圖像中存在所述預設的車輪共性特征時，在所述車輪共性特征區(qū)域左右側或上側選取圖像窗口，并將所述選取的圖像窗口輸入預設的上半身分類器，檢測所述選取的圖像窗口中是否存行人上半身，并輸出第一檢測結果，所述預設的上半身分類器由預設的廣義行人的共性特征訓練生成，所述廣義行人共性特征包括人體共性特征，所述車輪共性特征包括:圓形特征和橢圓形特征。
[0008]可選的，所述廣義行人檢測方法還包括:對所述輸入圖像進行預處理，將所述經過預處理的圖像輸入預設的全身分類器中，檢測所述經過預處理的圖像中是否存在行人全身，并輸出第二檢測結果，所述預設的全身分類器由預設的廣義行人的共性特征訓練生成，所述廣義行人共性特征包括人體共性特征。
[0009]可選的，所述對所述輸入圖像進行預處理，將所述經過預處理的圖像輸入預設的全身分類器中，包括:將所述輸入圖像利用金字塔下采樣技術獲得至少兩個分辨率不同的圖像，將所述不同分辨率的圖像劃分成多個與所述預設的全身分類器訓練樣本尺寸相同的小窗口圖像，依次將所述小窗口的圖像輸入所述預設的全身分類器中。
[0010]可選的，所述當所述輸入圖像中存在所述預設的車輪共性特征時，在所述車輪共性特征區(qū)域中心的左右側或上側選取圖像窗口，包括:根據(jù)所述車輪共性特征區(qū)域的大小，在所述車輪共性特征區(qū)域中心的左右側或上側選取圖像窗口，所述選取圖像窗口包括:選取所述圖像窗口的寬度w=2kr,選取所述圖像窗口的長度l=3kr,所述圖像窗口的橫向取值范圍為[x-6r, x+6r],所述圖像窗口的縱向取值范圍為[y_3r, y+3r],其中:所述k為縮放因子，所述r為所述車輪共性特征區(qū)域的半徑，所述x、y分別為所述共性特征區(qū)域的中心坐標。
[0011]可選的，所述人體共性特征包括:頭部特征、肩部特征和軀干特征，其中:
[0012]所述頭部特征包括:采用第一顏色描述的所述頭部區(qū)域和采用第二顏色描述的背景區(qū)域，所述頭部區(qū)域和所述背景區(qū)域均為矩形，所述頭部區(qū)域位于所述背景區(qū)域中，且所述頭部區(qū)域與所述背景區(qū)域僅下邊沿重合，所述第二顏色區(qū)域面積是所述第一顏色區(qū)域面積的NI倍，所述頭部特征的特征值al= I bl-cl I，其中bl為所述第二顏色區(qū)域面積的像素值和，所述Cl為NI倍的所述第一顏色區(qū)域面積的像素值和，所述NI為正值；
[0013]所述肩部特征包括:采用所述第一顏色描述的所述肩部區(qū)域和采用所述第二顏色描述的背景區(qū)域，所述肩部區(qū)域和所述背景區(qū)域均為矩形，所述肩部區(qū)域位于所述背景區(qū)域左下角且與所述背景區(qū)域左邊沿和下邊沿重合，或位于所述背景區(qū)域右下角且與所述背景區(qū)域右邊沿和下邊沿重合，所述第二顏色區(qū)域面積是所述第一顏色區(qū)域面積的N2倍，所述肩部特征的特征值a2= I b2-c2 I，其中b2為所述第二顏色區(qū)域面積的像素值和，所述c2為N2倍的所述第一顏色區(qū)域面積的像素值和，所述N2為正值；
[0014]所述軀干特征包括:豎直軀干特征和傾斜軀干特征；
[0015]所述豎直軀干特征包括:第一豎直軀干特征和第二豎直軀干特征，所述第一豎直軀干特征包括:采用所述第一顏色描述的所述第一豎直軀干區(qū)域和采用所述第二顏色描述的所述背景區(qū)域，所述第一豎直軀干區(qū)域與所述背景區(qū)域處于同一矩形內，在豎直方向上，所述第二顏色區(qū)域面積是所述第一顏色區(qū)域面積的N3倍，所述第一豎直軀干特征的特征值a3=|b3-c3|，其中b3為所述第二顏色區(qū)域面積的像素值和，c3為N3倍的所述第一顏色區(qū)域面積的像素值和，所述N3為正值；所述第二豎直軀干特征包括:采用所述第一顏色描述的所述第二豎直軀干區(qū)域和采用所述第二顏色描述的所述背景區(qū)域，所述第二豎直軀干特征和所述背景區(qū)域均為矩形，所述第二豎直軀干區(qū)域與所述背景區(qū)域在豎直方向上平行，所述第一顏色區(qū)域面積與所述第二顏色區(qū)域面積相等，所述第一顏色區(qū)域與所述第二顏色區(qū)域間隔Ml個像素，所述第一豎直軀干特征的特征值a4= I b4-c4 |，其中b4為所述第二顏色區(qū)域面積的像素值和，c4為所述第一顏色區(qū)域面積的像素值和；
[0016]所述傾斜軀干特征包括:采用所述第一顏色描述的所述傾斜軀干區(qū)域和采用所述第二顏色描述的所述背景區(qū)域，所述傾斜軀干區(qū)域與所述背景區(qū)域均為矩形，所述傾斜軀干區(qū)域與所述背景區(qū)域傾斜角度相同，且所述背景區(qū)域位于所述傾斜軀干區(qū)域左右側或上偵牝所述第一顏色區(qū)域與所述第二顏色區(qū)域面積相等，所述第一顏色區(qū)域與所述第二顏色區(qū)域間間隔M2個像素，所述傾斜軀干特征的特征值a5= I b5-c5 |，其中b5為所述第二顏色區(qū)域面積的像素值和，c5為所述第一顏色區(qū)域面積的像素值和。[0017]為解決上述問題，本發(fā)明實施例還提供一種廣義行人檢測裝置，包括:
[0018]獲取單元，用于獲取輸入圖像；
[0019]第一檢測單元，用于判斷所述輸入圖像中是否存在預設的車輪共性特征，并當所述輸入圖像中存在所述預設的車輪共性特征時，在所述車輪共性特征區(qū)域中心的左右側或上側選取圖像窗口，并將所述選取的圖像窗口輸入預設的上半身分類器，檢測所述選取的圖像窗口中是否存行人上半身，并輸出第一檢測結果，所述預設的上半身分類器由預設的廣義行人的共性特征訓練生成，所述廣義行人共性特征包括人體共性特征，所述車輪共性特征包括:圓形特征和橢圓形特征。
[0020]可選的，所述廣義行人檢測裝置還包括:第二檢測單元，用于對所述輸入圖像進行預處理，將所述經過預處理的圖像輸入預設的全身分類器中，檢測所述經過預處理的圖像中是否存在行人全身，并輸出第二檢測結果，所述預設的全身分類器由預設的廣義行人的共性特征訓練生成，所述廣義行人共性特征包括人體共性特征。
[0021]可選的，所述第二檢測單元，用于將所述輸入圖像利用金字塔下采樣技術獲得至少兩個分辨率不同的圖像，將所述不同分辨率的圖像劃分成多個與所述預設的全身分類器訓練樣本尺寸相同的小窗口圖像，依次將所述小窗口的圖像輸入所述預設的全身分類器中。
[0022]可選的，所述第一檢測單元，用于根據(jù)所述車輪共性特征區(qū)域的大小，在所述車輪共性特征區(qū)域中心的左右側或上側選取圖像窗口，所述選取圖像窗口包括:選取寬度為w=2kr、長度為l=3kr、橫向取值范圍為[x_6r, x+6r]、縱向取值范圍為[y_3r, y+3r]的圖像窗口，其中，所述k為縮放因子，所述k的取值范圍為大于等于I且小于等于3，所述r為所述車輪共性特征區(qū)域的半徑，所述x、y分別為所述共性特征區(qū)域的中心坐標。
[0023]與現(xiàn)有技術相比，本發(fā)明實施例的技術方案具有以下優(yōu)點:
[0024]通過判斷輸入圖像中是否存在車輪共性特征，并當存在所述預設的車輪共性特征時，在所述車輪共性特征區(qū)域中心的左右側或上側選取圖像窗口，將選取的圖像窗口輸入預設的上半身分類器，對所述圖像窗口進行檢測并輸出檢測結果。由于所述上半身分類器可由廣義行人的共性特征訓練生成，且當輸入圖像中存在車輪共性特征時，只需在車輪共性特征區(qū)域中心的左右側或上側選取圖像窗口，并將選取的圖像窗口輸入上半身分類器進行檢測，當所述選取的圖像窗口中存在行人上半身即可判定為騎行者，而不需要收集騎行者樣本，提取騎行者的共性特征，訓練騎行者分類器，因此可以減少收集樣本的時間，提高廣義行人的檢測效率。
[0025]進一步，通過將所述輸入圖像利用金字塔采樣技術進行預處理，獲得至少兩個大小不同的圖像，將不同分辨率的圖像依次輸入預設的全身分類器中，檢測輸入圖像中是否存在行人全身，并輸出檢測結果，可以有效地提高廣義行人檢測的準確度。
[0026]此外，當所述輸入圖像中存在車輪共性特征時，獲取存在所述車輪共性特征的區(qū)域，并根據(jù)所述車輪共性特征區(qū)域的大小，調整圖像窗口的大小和位置，采用預設的廣義行人上半身分類器對所述圖像窗口進行檢測，可以進一步地提高檢測結果的準確度。
【專利附圖】

【附圖說明】
[0027]圖1是本發(fā)明實施例中的一種廣義行人檢測方法的算法流程圖；[0028]圖2是本發(fā)明實施例中的一種廣義行人共性特征；
[0029]圖3是本發(fā)明實施例中的一種車輪共性特征；
[0030]圖4是本發(fā)明實施例中的另一種廣義行人檢測方法的算法流程圖；
[0031]圖5是本發(fā)明實施例中的一種廣義行人檢測裝置的結構示意圖。
【具體實施方式】
[0032]現(xiàn)有技術方案中，將自行車和摩托車的騎行者看作是不同的對象。針對騎行者，需要分別收集自行車騎行者和摩托車騎行者的樣本，建立自行車騎行者樣本庫和摩托車騎行者樣本庫，并利用騎行者樣本庫分別提取自行車騎行者的特征和摩托車騎行者的特征，采用提取出的特征訓練生成自行車騎行者分類器和摩托車騎行者分類器。但是，由于騎行者的運動姿態(tài)具有多樣性，且存在多種型號、多種類型的自行車與摩托車，需要收集大量的騎行者樣本來提取復雜多樣的特征，訓練不同的分類器分別對輸入的圖像進行檢測。整個方案需要耗費大量時間收集樣本、提取特征并訓練分類器，造成檢測耗時較長，檢測效率低下。
[0033]通過判斷輸入圖像中是否存在車輪共性特征，并當存在所述預設的車輪共性特征時，在所述車輪共性特征區(qū)域中心的左右側或上側選取圖像窗口，將選取的圖像窗口輸入預設的上半身分類器，對所述圖像窗口進行檢測并輸出檢測結果。由于所述上半身分類器可由廣義行人的共性特征訓練生成，且當輸入圖像中存在車輪共性特征時，只需在車輪共性特征區(qū)域中心的左右側或上側選取圖像窗口，并將選取的圖像窗口輸入上半身分類器進行檢測，當所述選取的圖像窗口中存在行人上半身即可判定為騎行者，而不需要收集騎行者樣本，提取騎行者的共性特征，訓練騎行者分類器，因此可以減少收集樣本的時間，提高廣義行人的檢測效率。
[0034]為使本發(fā)明實施例的上述目的、特征和優(yōu)點能夠更為明顯易懂，下面結合附圖對本發(fā)明的具體實施例做詳細的說明。
[0035]本發(fā)明實施例提供了一種廣義行人檢測方法，參照圖1，以下通過具體方式進行詳細說明。
[0036]步驟S101，獲取輸入圖像。
[0037]在具體實施中，輸入圖像可以是預先獲取的，也可以是通過預設的圖像獲取裝置實時獲取的，例如可以通過相機等實時獲取圖像。
[0038]步驟S102，判斷所述輸入圖像中是否存在預設的車輪共性特征，并當所述輸入圖像中存在所述預設的車輪共性特征時，在所述車輪共性特征區(qū)域中心的左右側或上側選取
圖像窗口。
[0039]在具體實施中，車輪共性特征可以參照圖3，其中:車輪共性特征中的圓形特征可以由301進行描述，301為圓形，可以表示為與取景角度垂直的車輪的特征，車輪共性特征中的橢圓形特征可以由302進行描述，302為橢圓，可以表示為與取景角度存在一定夾角的車輪的特征。
[0040]在具體實施中，當獲取輸入圖像后，可以先利用圓形檢測算法或橢圓形檢測算法，對輸入圖像進行檢測，判斷輸入圖像中是否存在圓形或橢圓形。例如，可以先在輸入圖像中提取邊緣，利用hough變換、快速徑向對稱等算法檢測是否存在圓形或橢圓形，確定圓形或橢圓形候選區(qū)域；根據(jù)透視投影原理和獲取圖像裝置的參數(shù)，去除不受幾何約束的圓形或橢圓形區(qū)域；對于剩余的圓形或橢圓形區(qū)域，根據(jù)其半徑大小，在所述輸入圖像中選取圖像窗P。
[0041]步驟S103，將所述選取的圖像窗口輸入預設的上半身分類器，檢測所述選取的圖像窗口中是否存行人上半身，并輸出第一檢測結果，所述預設的上半身分類器由預設的廣義行人的共性特征訓練生成，所述廣義行人共性特征包括人體共性特征，所述車輪共性特征包括:圓形特征和橢圓形特征。
[0042]在具體實施中，所述第一檢測結果可以是所述存在行人上半身的圖像窗口的大小，也可以是所述存在行人上半身的圖像窗口在所述輸入圖像中的區(qū)域，還可以同時包括所述存在行人上半身的圖像窗口的大小和在所述輸入圖像中的區(qū)域。
[0043]在具體實施中，當上半身分類器檢測到在所述車輪共性特征區(qū)域中心的左右側或上側選取的圖像窗口中包含行人上半身時，即車輪上方或左右側存在行人上半身時，則認為所述輸入圖像中存在騎行者。
[0044]在具體實施中，所述人體共性特征可以包括:頭部特征、肩部特征和軀干特征，以下通過圖2對所述人體共性特征進行詳細說明。
[0045]在具體實施中，所述頭部特征可以描述為:采用第一顏色描述的頭部區(qū)域和采用第二顏色描述的背景區(qū)域，所述頭部區(qū)域和所述背景區(qū)域均為矩形，如圖2中的201所示，頭部區(qū)域可以用黑色表示，背景區(qū)域可以用白色表示，頭部區(qū)域位于白色區(qū)域內，頭部區(qū)域的下邊沿與背景區(qū)域的下邊沿重合。所述第二顏色區(qū)域面積是所述第一顏色區(qū)域面積的NI倍，所述頭部特征的特征值al= I bl-cl |，其中:bl為所述第二顏色區(qū)域面積的像素值和，所述Cl為NI倍的所述第一顏色區(qū)域面積的像素值和。所述NI為正值，所述NI的取值范圍為大于I且小于等于3。
[0046]在具體實施中，所述肩部特征可以描述為:采用所述第一顏色描述的肩部區(qū)域和采用所述第二顏色描述的背景區(qū)域，所述肩部區(qū)域和所述背景區(qū)域均為矩形，如圖2中的202所示，肩部區(qū)域可以用黑色表示，背景區(qū)域可以用白色表示，肩部區(qū)域位于背景區(qū)域的左下角，且與背景區(qū)域左邊沿和下邊沿重合；或位于所述背景區(qū)域右下角且與所述背景區(qū)域右邊沿和下邊沿重合，如圖2中的203所示，肩部區(qū)域可以用黑色表示，背景區(qū)域可以用白色表示，肩部區(qū)域位于背景區(qū)域的右下角，且與背景區(qū)域右邊沿和下邊沿重合。所述第二顏色區(qū)域面積是所述第一顏色區(qū)域面積的N2倍，所述肩部特征的特征值a2=|b2-c2 |，其中:b2為所述第二顏色區(qū)域面積的像素值和，所述c2為N2倍的所述第一顏色區(qū)域面積的像素值和，所述N2為正值，所述N2的取值范圍為大于2且小于等于4。
[0047]在具體實施中，所述軀干特征可以描述為:豎直軀干特征和傾斜軀干特征。其中，豎直軀干特征可以包括:第一豎直軀干特征和第二豎直軀干特征。所述第一豎直軀干特征可以描述為:采用所述第一顏色描述的所述第一豎直軀干區(qū)域和采用所述第二顏色描述的所述背景區(qū)域，所述第一豎直軀干區(qū)域與所述背景區(qū)域處于同一矩形內，如圖2中204所示，第一豎直軀干區(qū)域可以用黑色表示，背景區(qū)域可以用白色表示，第一豎直軀干區(qū)域和背景區(qū)域處于同一個矩形中，在豎直方向上背景區(qū)域的面積大于第一豎直軀干區(qū)域。所述第一豎直軀干特征的特征值a3=|b3-c3|，其中:b3為所述第二顏色區(qū)域面積的像素值和，c3為N3倍的所述第一顏色區(qū)域面積的像素值和，所述N3為正值，所述N3的取值范圍為大于1
[0048]在具體實施中，所述第二豎直軀干特征可以描述為:采用所述第一顏色描述的所述第二豎直軀干區(qū)域和采用所述第二顏色描述的所述背景區(qū)域，所述第二豎直軀干特征和所述背景區(qū)域均為矩形，如圖2中的205所示，第二豎直軀干區(qū)域可以用黑色表示，背景區(qū)域可以用白色表示，第二豎直軀干區(qū)域和背景區(qū)域平行，第二豎直軀干區(qū)域與背景區(qū)域之間存在空隙且二者面積相等。所述第一顏色區(qū)域與所述第二顏色區(qū)域間隔Ml個像素，所述第一豎直軀干特征的特征值a4=|b4-c4|。其中b4:為所述第二顏色區(qū)域面積的像素值和，c4為所述第一顏色區(qū)域面積的像素值和，所述Ml的取值范圍為大于等于I且小于等于3。
[0049]在具體實施中，所述傾斜軀干特征可以描述為:采用所述第一顏色描述的所述傾斜軀干區(qū)域和采用所述第二顏色描述的所述背景區(qū)域，所述傾斜軀干區(qū)域與所述背景區(qū)域均為矩形，所述傾斜軀干區(qū)域與所述背景區(qū)域傾斜角度相同，且所述背景區(qū)域位于所述傾斜軀干區(qū)域左右側或上側，如圖2中的206和207所示，圖2中的206和207中，傾斜軀干區(qū)域可以用黑色表示，背景區(qū)域可以用白色表示，背景區(qū)域位于傾斜軀干區(qū)域的上側且與傾斜軀干區(qū)域平行。所述第一顏色區(qū)域與所述第二顏色區(qū)域面積相等，所述第一顏色區(qū)域與所述第二顏色區(qū)域間間隔M2個像素，所述傾斜軀干特征的特征值a5=|b5-c5|。其中:b5為所述第二顏色區(qū)域面積的像素值和，c5為所述第一顏色區(qū)域面積的像素值和，所述M2的取值范圍為大于等于I且小于等于3。
[0050]在本發(fā)明實施例中，如圖2中所示，第一顏色可以為黑色，第二顏色可以為白色?？梢岳斫獾氖?，第一顏色也可以為黑色，第二顏色為白色，只需要滿足上述人體共性特征與背景的關系即可。同樣的，也可以采用其他的顏色作為第一顏色和第二顏色，此處不做贅述。
[0051]采用本發(fā)明實施例中的方案，通過判斷輸入圖像中是否存在車輪共性特征，并當存在所述預設的車輪共性特征時，在所述車輪共性特征區(qū)域中心的左右側或上側選取圖像窗口，將選取的圖像窗口輸入預設的上半身分類器，對所述圖像窗口進行檢測并輸出檢測結果。由于所述上半身分類器可由廣義行人的共性特征訓練生成，且當輸入圖像中存在車輪共性特征時，只需在車輪共性特征區(qū)域中心的左右側或上側選取圖像窗口，并將選取的圖像窗口輸入上半身分類器進行檢測，當所述選取的圖像窗口中存在行人上半身即可判定為騎行者，而不需要收集騎行者樣本，提取騎行者的共性特征，訓練騎行者分類器，因此可以減少收集樣本的時間，提聞廣義行人的檢測效率。
[0052]本發(fā)明實施例還提供了另一種廣義行人檢測方法，參照圖4，以下通過具體步驟進行詳細說明。
[0053]步驟S401，獲取輸入圖像。
[0054]步驟S402，對輸入圖像進行預處理。
[0055]在本發(fā)明實施例中，對輸入圖像進行預處理可以是將輸入圖像利用金字塔下采樣技術進行處理，得到至少兩個不同分辨率的圖像，將不同分辨率的圖像劃分成多個與預設的全身分類器訓練樣本尺寸相同的小窗口圖像。還可以采用其他技術對輸入圖像進行預處理，只要滿足經過預處理的圖片可以被預設的全身分類器檢測即可，此處不做贅述。
[0056]步驟S403，將小窗口的圖像依次輸入預設的全身分類器。
[0057]在本發(fā)明實施例中，預設的全身分類器可以通過如下方式獲取:收集行人樣本庫，根據(jù)行人樣本庫提取人體共性特征，采用人體共性特征訓練生成全身分類器。
[0058]步驟S404，全身分類器檢測輸入的圖像窗口中是否存在行人全身，并輸出第二檢測結果。
[0059]步驟S404執(zhí)行完成后，即可得到輸入圖像中是否存在行人全身。
[0060]在本發(fā)明實施例中，還可以對步驟S404得到的第二檢測結果進行進一步的檢測。
[0061]步驟S405，采用預設的全身精識別分類器對所述第二檢測結果進行精識別。
[0062]在本發(fā)明實施例中，全身精識別分類器可以通過如下方式獲取:收集全身行人樣本圖片和背景圖片，利用方向梯度直方圖(Histogram of Oriented Gradient, HOG)特征、局部二值模式(Local Binary Pattern, LBP)特征等,訓練生成支持向量機(SupportVector Machine, SVM)分類器；也可以根據(jù)全身行人的姿態(tài)，訓練不同的全身姿態(tài)分類器，并將不同的全身姿態(tài)分類器集成作為全身精識別分類器。
[0063]采用本發(fā)明實施例的方案，通過將所述輸入圖像利用金字塔采樣技術進行預處理，獲得至少兩個大小不同的圖像，將不同分辨率的圖像依次輸入預設的全身分類器中，檢測輸入圖像中是否存在行人全身，并輸出檢測結果，可以有效地提高廣義行人檢測的準確度。
[0064]在本發(fā)明實施例中，步驟S402至步驟S405可以用于檢測輸入圖像中是否存在行人全身，即可以檢 測輸入圖像中是否存在行走的行人。在具體實施中，還可以對上述方案做擴展，可以與上一發(fā)明實施例中的騎行者檢測方法結合，參照以下步驟。
[0065]步驟S406，判斷輸入圖像中是否存在預設的車輪共性特征。
[0066]在本發(fā)明實施例中，可以利用預設的圓形檢測算法或橢圓形檢測算法對輸入圖像進行檢測，判斷輸入圖像中是否存在圓形或橢圓形區(qū)域，并排除不受幾何約束的圓形或橢圓形區(qū)域，剩余的圓形或橢圓形區(qū)域作為車輪共性特征所在區(qū)域。
[0067]步驟S407，當輸入圖像中存在預設的車輪共性特征時，在所述車輪共性特征區(qū)域中心的左右側或上側選取圖像窗口。
[0068]在本發(fā)明實施例中，可以采用如下過程選取圖像窗口:選取寬度為w=2kr，長度為l=3kr的圖像窗口，其中k為縮放因子，所述圖像窗口的橫向取值范圍為[x-6r，x+6r]，所述圖像窗口的縱向取值范圍為[y_3r，y+3r]，其中:所述 為所述車輪共性特征區(qū)域的半徑，所述x、y分別為所述共性特征區(qū)域的中心坐標。在具體實施中，k的取值范圍可以為3 ^ k ^ 10
[0069]在本發(fā)明實施例中，圖像窗口可以在橫向取值區(qū)間內滑動，也可以在縱向取值區(qū)間內滑動，還可以在橫向取值區(qū)間內和縱向取值區(qū)間內同時滑動?；瑒拥牟介L可以為I個像素，也可以為2個像素或多個像素，可以根據(jù)實際需求選擇滑動步長。
[0070]步驟S408，將步驟S407中選取的圖像窗口輸入預設的上半身分類器，檢測所述圖像窗口中是否存在行人上半身，并輸出第一檢測結果。
[0071]在本發(fā)明實施例中，當所述圖像窗口中存在行人上半身時，即可認為輸入圖像中存在騎行者。第一檢測結果可以為存在行人上半身的圖像窗口的大小，也可以為存在行人上半身的圖像窗口在輸入圖像中的區(qū)域，還可以同時包括存在行人上半身的圖像窗口的大小和在輸入圖像中的區(qū)域。
[0072]在本發(fā)明實施例中，還可以對步驟S408輸出的第一檢測結果做進一步的檢測。[0073]步驟S409，采用預設的上半身精識別分類器對所述第一檢測結果進行精識別。
[0074]在本發(fā)明實施例中，上半身精識別分類器可以通過如下方式獲取:收集上半身行人樣本圖片和背景圖片，利用HOG特征、LBP特征等，訓練上半身SVM分類器；也可以根據(jù)上半身行人的姿態(tài)，訓練不同的上半身姿態(tài)分類器，并將不同的上半身姿態(tài)分類器集成作為上半身精識別分類器。
[0075]可以理解的是，當步驟S401執(zhí)行完成后，可以先執(zhí)行步驟S402至步驟S405，也可以先執(zhí)行步驟S406至步驟S409，還可以同時執(zhí)行步驟S402至步驟S405和步驟S406至步驟 S409。
[0076]采用本發(fā)明實施例的方案，當所述輸入圖像中存在車輪共性特征時，獲取存在所述車輪共性特征的區(qū)域，并根據(jù)所述車輪共性特征區(qū)域的大小，調整圖像窗口的大小和位置，采用預設的上半身分類器對所述圖像窗口進行檢測，可以進一步地提高檢測結果的準確度。
[0077]參照圖5，本發(fā)明實施例還提供了 一種廣義行人檢測裝置50，包括:獲取單元501、第一檢測單元502和第二檢測單元503，其中:
[0078]獲取單元501，用于獲取輸入圖像；
[0079]第一檢測單元502，用于判斷所述輸入圖像中是否存在預設的車輪共性特征，并當所述輸入圖像中存在所述預設的車輪共性特征時，在所述車輪共性特征區(qū)域中心的左右側或上側選取圖像窗口，將所述選取的圖像窗口輸入預設的上半身分類器，檢測所述選取的圖像窗口中是否存行人上半身，輸出第一檢測結果，所述預設的上半身分類器由預設的廣義行人的共性特征訓練生成，所述廣義行人共性特征包括人體共性特征，所述車輪共性特征包括:圓形特征和橢圓形特征。
[0080]在具體實施中，第一檢測單元502可以包括:判斷子單元5021，用于判斷所述輸入圖像中是否存在預設的車輪共性特征；圖像窗口選取子單元5022，用于當所述輸入圖像中存在所述預設的車輪共性特征時，在所述輸入圖像中選取圖像窗口，并將所述選取的圖像窗口輸入預設的上半身分類器；第一檢測子單元5023，用于檢測所述選取的圖像窗口中是否存行人上半身，并輸出第一檢測結果。
[0081]在具體實施中，所述圖像窗口選取子單元5022，用于根據(jù)所述車輪共性特征區(qū)域的大小，在所述車輪共性特征區(qū)域中心的左右側或上側選取圖像窗口。
[0082]在具體實施中，所述圖像窗口選取子單元5022，用于選取寬度為w=2kr、長度為l=3kr、橫向取值范圍為[x-6r, x+6r]、縱向取值范圍為[y_3r, y+3r]的圖像窗口，其中,所述k為縮放因子，所述k的取值范圍為大于等于I且小于等于3，所述r為所述車輪共性特征區(qū)域的半徑，所述x、y分別為所述共性特征區(qū)域的中心坐標。
[0083]在具體實施中，所述廣義行人檢測裝置50還可以包括:第二檢測單元503，用于對所述輸入圖像進行預處理，將所述經過預處理的圖像輸入預設的全身分類器中，檢測所述經過預處理的圖像中是否存在行人全身，并輸出第二檢測結果，所述預設的全身分類器由預設的廣義行人的共性特征訓練生成，所述廣義行人共性特征包括人體共性特征。
[0084]在具體實施中，第二檢測單元503可以包括:預處理子單元5031，用于對所述輸入圖像進行預處理，并將所述經過預處理的圖像輸入預設的全身分類器中；第二檢測子單元5032，用于檢測所述預處理子單元5031輸入的所述經過預處理的圖像中是否存在行人全身，并輸出第二檢測結果；
[0085]在具體實施中，所述預處理子單元5031，用于將所述輸入圖像利用金字塔下采樣技術獲得至少兩個分辨率不同的圖像，將所述不同分辨率的圖像劃分成多個與所述預設的全身分類器訓練樣本尺寸相同的小窗口圖像，依次將所述小窗口的圖像輸入所述預設的全身分類器中。
[0086]本領域普通技術人員可以理解上述實施例的各種方法中的全部或部分步驟是可以通過程序來指令相關的硬件來完成，該程序可以存儲于一計算機可讀存儲介質中，存儲介質可以包括:ROM、RAM、磁盤或光盤等。
[0087]雖然本發(fā)明披露如上，但本發(fā)明并非限定于此。任何本領域技術人員，在不脫離本發(fā)明的精神和范圍內，均可作各種更動與修改，因此本發(fā)明的保護范圍應當以權利要求所限定的范圍為準。
【權利要求】
1.一種廣義行人檢測方法，其特征在于，包括: 獲取輸入圖像； 判斷所述輸入圖像中是否存在預設的車輪共性特征，并當所述輸入圖像中存在所述預設的車輪共性特征時，在所述車輪共性特征區(qū)域左右側或上側選取圖像窗口，并將所述選取的圖像窗口輸入預設的上半身分類器，檢測所述選取的圖像窗口中是否存行人上半身，并輸出第一檢測結果，所述預設的上半身分類器由預設的廣義行人的共性特征訓練生成，所述廣義行人共性特征包括人體共性特征，所述車輪共性特征包括:圓形特征和橢圓形特征。
2.如權利要求1所述的廣義行人檢測方法，其特征在于，還包括:對所述輸入圖像進行預處理，將所述經過預處理的圖像輸入預設的全身分類器中，檢測所述經過預處理的圖像中是否存在行人全身，并輸出第二檢測結果，所述預設的全身分類器由預設的廣義行人的共性特征訓練生成，所述廣義行人共性特征包括人體共性特征。
3.如權利要求2所述的廣義行人檢測方法，其特征在于，所述對所述輸入圖像進行預處理，將所述經過預處理的圖像輸入預設的全身分類器中，包括:將所述輸入圖像利用金字塔下采樣技術獲得至少兩個分辨率不同的圖像，將所述不同分辨率的圖像劃分成多個與所述預設的全身分類器訓練樣本尺寸相同的小窗口圖像，依次將所述小窗口的圖像輸入所述預設的全身分類器中。
4.如權利要求1所述的廣義行人檢測方法，其特征在于，所述當所述輸入圖像中存在所述預設的車輪共性特征時，在所述車輪共性特征區(qū)域中心的左右側或上側選取圖像窗口，包括:根據(jù)所述車輪共性特征區(qū)域的大小，在所述車輪共性特征區(qū)域中心的左右側或上側選取圖像窗口，所述選取圖像窗口包括:選取所述圖像窗口的寬度w=2kr，選取所述圖像窗口的長度l=3kr，所述圖像窗口的橫向取值范圍為[x-6r，x+6r]，所述圖像窗口的縱向取值范圍為[y_3r，y+3r]，其中:所述k為縮放因子，所述r為所述車輪共性特征區(qū)域的半徑，所述x、I分別為所述共性特征區(qū)域的中心坐標。
5.如權利要求1所述的廣義行人檢測方法，其特征在于，所述人體共性特征包括:頭部特征、肩部特征和軀干特征，其中: 所述頭部特征包括:采用第一顏色描述的所述頭部區(qū)域和采用第二顏色描述的背景區(qū)域，所述頭部區(qū)域和所述背景區(qū)域均為矩形，所述頭部區(qū)域位于所述背景區(qū)域中，且所述頭部區(qū)域與所述背景區(qū)域僅下邊沿重合，所述第二顏色區(qū)域面積是所述第一顏色區(qū)域面積的NI倍，所述頭部特征的特征值al= Ibl-cl |，其中bl為所述第二顏色區(qū)域面積的像素值和，所述Cl為NI倍的所述第一顏色區(qū)域面積的像素值和，所述NI為正值； 所述肩部特征包括:采用所述第一顏色描述的所述肩部區(qū)域和采用所述第二顏色描述的背景區(qū)域，所述肩部區(qū)域和所述背景區(qū)域均為矩形，所述肩部區(qū)域位于所述背景區(qū)域左下角且與所述背景區(qū)域左邊沿和下邊沿重合，或位于所述背景區(qū)域右下角且與所述背景區(qū)域右邊沿和下邊沿重合，所述第二顏色區(qū)域面積是所述第一顏色區(qū)域面積的N2倍，所述肩部特征的特征值a2=|b2-c2|，其中b2為所述第二顏色區(qū)域面積的像素值和，所述c2為N2倍的所述第一顏色區(qū)域面積的像素值和，所述N2為正值； 所述軀干特征包括:豎直軀干特征和傾斜軀干特征；所述豎直軀干特征包括:第一豎直軀干特征和第二豎直軀干特征，所述第一豎直軀干特征包括:采用所述第一顏色描述的所述第一豎直軀干區(qū)域和采用所述第二顏色描述的所述背景區(qū)域，所述第一豎直軀干區(qū)域與所述背景區(qū)域處于同一矩形內，在豎直方向上，所述第二顏色區(qū)域面積是所述第一顏色區(qū)域面積的N3倍，所述第一豎直軀干特征的特征值a3= I b3-c3 |，其中b3為所述第二顏色區(qū)域面積的像素值和，c3為N3倍的所述第一顏色區(qū)域面積的像素值和，所述N3為正值；所述第二豎直軀干特征包括:采用所述第一顏色描述的所述第二豎直軀干區(qū)域和采用所述第二顏色描述的所述背景區(qū)域，所述第二豎直軀干特征和所述背景區(qū)域均為矩形，所述第二豎直軀干區(qū)域與所述背景區(qū)域在豎直方向上平行，所述第一顏色區(qū)域面積與所述第二顏色區(qū)域面積相等，所述第一顏色區(qū)域與所述第二顏色區(qū)域間隔Ml個像素，所述第一豎直軀干特征的特征值a4= I b4-c4 I，其中b4為所述第二顏色區(qū)域面積的像素值和，c4為所述第一顏色區(qū)域面積的像素值和； 所述傾斜軀干特征包括:采用所述第一顏色描述的所述傾斜軀干區(qū)域和采用所述第二顏色描述的所述背景區(qū)域，所述傾斜軀干區(qū)域與所述背景區(qū)域均為矩形，所述傾斜軀干區(qū)域與所述背景區(qū)域傾斜角度相同，且所述背景區(qū)域位于所述傾斜軀干區(qū)域左右側或上側，所述第一顏色區(qū)域與所述第二顏色區(qū)域面積相等，所述第一顏色區(qū)域與所述第二顏色區(qū)域間隔M2個像素，所述傾斜軀干特征的特征值a5= I b5-c5 |，其中b5為所述第二顏色區(qū)域面積的像素值和，c5為所述第一顏色區(qū)域面積的像素值和。
6.一種廣義行人檢測裝置，其特征在于，包括: 獲取單元，用于獲取輸入圖像； 第一檢測單元，用于判斷所述輸入圖像中是否存在預設的車輪共性特征，并當所述輸入圖像中存在所述預設的車輪共性特征時，在所述車輪共性特征區(qū)域中心的左右側或上側選取圖像窗口，將所述選取的圖像窗口輸入預設的上半身分類器，檢測所述選取的圖像窗口中是否存行人上半身，輸出第一檢測結果，所述預設的上半身分類器由預設的廣義行人的共性特征訓練生成，所述廣義行人共性特征包括人體共性特征，所述車輪共性特征包括:圓形特征和橢圓形特征。
7.如權利要求6所述的廣義行人檢測裝置，其特征在于，還包括:第二檢測單元，用于對所述輸入圖像進行預處理，將所述經過預處理的圖像輸入預設的全身分類器中，檢測所述經過預處理的圖像中是否存在行人全身，并輸出第二檢測結果，所述預設的全身分類器由預設的廣義行人的共性特征訓練生成，所述廣義行人共性特征包括人體共性特征。
8.如權利要求7所述的廣義行人檢測裝置，其特征在于，所述第二檢測單元，用于將所述輸入圖像利用金字塔下采樣技術獲得至少兩個分辨率不同的圖像，將所述不同分辨率的圖像劃分成多個與所述預設的全身分類器訓練樣本尺寸相同的小窗口圖像，依次將所述小窗口的圖像輸入所述預設的全身分類器中。
9.如權利要求6所述的廣義行人檢測裝置，其特征在于，所述第一檢測單元，用于根據(jù)所述車輪共性特征區(qū)域的大小，在所述車輪共性特征區(qū)域中心的左右側或上側選取圖像窗口，所述選取圖像窗口包括:選取寬度為w=2kr、長度為l=3kr、橫向取值范圍為[x_6r，x+6r]、縱向取值范圍為[y-3r，y+3r]的圖像窗口，其中，所述k為縮放因子，所述k的取值范圍為大于等于I且小于等于3，所述r為所述車輪共性特征區(qū)域的半徑，所述x、y分別為所述共性特征區(qū)域的中心坐標。
【文檔編號】G06K9/00GK103745196SQ201310738021
【公開日】2014年4月23日 申請日期:2013年12月27日 優(yōu)先權日:2013年12月27日
【發(fā)明者】劉威, 段成偉, 柴麗穎, 遇冰, 袁淮 申請人:東軟集團股份有限公司