亚洲成年人黄色一级片,日本香港三级亚洲三级,黄色成人小视频,国产青草视频,国产一区二区久久精品,91在线免费公开视频,成年轻人网站色直接看

一種基于邊緣分級和centrist特征的行人檢測方法

文檔序號:6548572閱讀:315來源:國知局
一種基于邊緣分級和centrist特征的行人檢測方法
【專利摘要】本發(fā)明公開一種基于邊緣分級和CENTRIST特征的行人檢測方法,步驟為:用3D-Harris?Detector計算邊緣尺度,用合適的邊緣尺度閾值濾除局部細(xì)節(jié)紋理而保留顯著目標(biāo)的輪廓;對圖像進(jìn)行CENTRIST編碼值的提取,用一個8bit的二進(jìn)制數(shù)來編碼每個像素點(diǎn);采用滑動窗口方式進(jìn)行目標(biāo)框掃描,對每個目標(biāo)框提取6144維CENTRIST直方圖特征向量,由SVM分類器得出是否檢測目標(biāo)。本發(fā)明基于CENTRIST特征提出了一種行人檢測方法,通過邊緣分級的技術(shù)可以有效的濾除復(fù)雜內(nèi)部紋理細(xì)節(jié),減少背景的干擾提高檢測準(zhǔn)確率,對光照變化、形態(tài)變換、遮擋下的行人檢測有較高的魯棒性。
【專利說明】一種基于邊緣分級和CENTRIST特征的行人檢測方法

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于計算機(jī)視頻處理【技術(shù)領(lǐng)域】,具體為一種基于圖像紋理的行人檢測方 法,尤其適用于背景變化的單幀圖像行人檢測的應(yīng)用場合。

【背景技術(shù)】
[0002] 行人檢測在視頻監(jiān)控的應(yīng)用中扮演越來越重要的角色,比如住宅安全監(jiān)控、機(jī)場 安全監(jiān)控、異常事件檢測,還包括軍事上的敵對目標(biāo)檢測,娛樂中包括動作感知等等,都 是依賴于對人的準(zhǔn)確檢測和目標(biāo)定位。雖然目前有很多行人檢測方法被提出,但是復(fù)雜 的背景和不確定性因素(比如遮擋問題)給行人檢測提出了很多新的挑戰(zhàn)。現(xiàn)有技術(shù) 分為背景提?。˙ackground Subtraction)和直接檢測(Direct Detection)兩大策略。 比如以高斯背景建模(參見:Wren, C. R.,Azarbayejani, A.,Darrell, T.,&Pentland, A. P. (1997). Pfinder: Real-time tracking of the human body. Pattern Analysis and Machine Intelligence, IEEE Transactions on, 19 (7), 780-785.)為代表的背景提取方法,要求背 景緩慢變化的,并且背景更新的過程非常耗時。而以HOG為代表的基于圖像紋理的直接 檢測方法(參見:Dalal, N.,&Triggs, B. (2005, June) · Histograms of oriented gradients for human detection. In Computer Vision and Pattern Recognition, 2005. CVPR2005. IEEE Computer Society Conference on(Vol. l,pp. 886-893). IEEE.)很容易受到圖像噪聲和復(fù) 雜環(huán)境紋理的影響,并且圖像的絕對灰度值梯度信息在SVM的學(xué)習(xí)中魯棒性不強(qiáng)。


【發(fā)明內(nèi)容】

[0003] 本發(fā)明的目的是基于直接檢測的方法上克服現(xiàn)有技術(shù)的不足,提出了一種基于邊 緣分級和CENTRIST特征的行人檢測方法,通過邊緣分級的技術(shù)可以有效的濾除復(fù)雜內(nèi)部 紋理細(xì)節(jié),減少背景的干擾提高檢測準(zhǔn)確率,對光照變化、形態(tài)變換、遮擋下的行人檢測有 較高的魯棒性。
[0004] 本發(fā)明是通過以下技術(shù)方案實(shí)現(xiàn)的,包括以下幾個步驟:
[0005] 第一步:對待檢測圖像進(jìn)行邊緣分級,提取顯著邊緣特征。
[0006] 具體步驟為:
[0007] 1.用 3D_Harris Detector 計算邊緣像素尺度。由 2D_Harris Detector 引入 3D_Harris Detector 自相關(guān)矩陣:
[0008]

【權(quán)利要求】
1. 一種基于邊緣分級和CENTRIST特征的行人檢測方法,其特征在于,包括以下步驟: 第一步:對待檢測圖像進(jìn)行邊緣分級,提取顯著邊緣特征; (1) 用3D-Harris Detector計算邊緣像素尺度,像素點(diǎn)的邊緣尺度定量為:
X,y表示像素坐標(biāo),r表示圖像尺度,R則代表Harris檢測算子響應(yīng); (2) 將像素尺度轉(zhuǎn)換到邊緣尺度,基于邊緣的結(jié)構(gòu)信息將分離的點(diǎn)聚合起來,根據(jù)尺度 相似和方向連續(xù)兩個結(jié)構(gòu)一致性進(jìn)行邊緣的聚類; (3) 將同一邊緣中的邊緣點(diǎn)統(tǒng)一到同一個邊緣尺度上,其中:統(tǒng)一尺度與3D-Harris檢 測尺度吻合,同一集合中的像素要有相似的邊緣尺度; (4) 選取邊緣尺度S e [2, 3],濾除局部細(xì)節(jié)紋理而保留顯著目標(biāo)的輪廓,作為邊緣圖 像;作為下一步提取CENTRIST特征的輸入; 第二步:然后對圖像進(jìn)行CENTRIST特征的提取獲得6144維特征向量; 第三步:對數(shù)據(jù)集中的訓(xùn)練樣本分別獲取6144維特征向量并輸入SVM分類器進(jìn)行正負(fù) 樣本的二值分類器訓(xùn)練; 第四步:采用滑動窗口方式進(jìn)行目標(biāo)框掃描,對每個目標(biāo)框提取6144維的CENTRIST直 方圖特征向量,由SVM分類器得出是否檢測目標(biāo)。
2. 根據(jù)權(quán)利要求1所述的一種基于邊緣分級和CENTRIST特征的行人檢測方法,其特征 是:第一步中用3D-Harris Detector計算邊緣像素尺度: R = det (A) - a trace3 (A) = λ i λ 2 λ 3_ α ( λ 丄+ λ 2+ λ 3)3, 其中λ1; λ2, λ3是自相關(guān)矩陣Α的特征值,R為負(fù)值表示像素點(diǎn)為邊緣點(diǎn),而且幅值越 大表示邊緣性越強(qiáng)烈。
3. 根據(jù)權(quán)利要求1所述的一種基于CENTRIST特征的行人檢測方法,其特征是:第一步 中將像素尺度轉(zhuǎn)換到邊緣尺度,具體公式為 :
其中Pi表示圖像像素,λ為權(quán)重系數(shù),N(Pi)表示點(diǎn)Pi的鄰域范圍。
4. 根據(jù)權(quán)利要求1所述的一種基于邊緣分級和CENTRIST特征的行人檢測方法,其特征 是:將C中的邊緣點(diǎn)統(tǒng)一到同一個邊緣尺度上,求得使代價函數(shù)
最小的f ,然后用的算數(shù)均值作為此邊緣的尺度,其中Si,Sj表示像素值的邊 緣尺度,和μ都表示權(quán)重系數(shù)。
5. 根據(jù)權(quán)利要求1所述的一種基于邊緣分級和CENTRIST特征的行人檢測方法,其特征 是:第二步中對圖像進(jìn)行CENTRIST編碼值的提取,具體為: (1)用一個8bit的二進(jìn)制數(shù)來編碼每個像素點(diǎn),對邊緣圖的每個像素p,考慮其周圍8 個像素值Pi e N(P)的相對大小,若p > Pi,則對應(yīng)bit位置為0,否則相應(yīng)bit位置為1, 得到8bit的值范圍在[0, 255]之間,作為每個像素的CENTRIST值; (2)對于一個高寬為hB*wB大小的檢測塊,將其在寬高方向上分割為3*8個大小為 hB/8*wB/3的子塊,對每個子塊求出CENTRIST值的直方圖統(tǒng)計,這樣每個子塊的特征由一個 256維度的直方圖向量,而對于一個檢測塊的CENTRIST特征則是由3*8個子塊特征拼接成 3*8*256 = 6144維特征向量。
6.根據(jù)權(quán)利要求1-5任一項所述的一種基于邊緣分級和CENTRIST特征的行人檢測方 法,其特征是:第四步中:對每一幀待檢測圖進(jìn)行全圖的掃描,用圖像寬度/10和高度/10 為步長獲取掃描目標(biāo)框,對每個目標(biāo)框提取上述6144維特征向量,輸入SVM分類器,標(biāo)記出 相應(yīng)的正樣本則認(rèn)為是有行人目標(biāo)。
【文檔編號】G06K9/62GK104063682SQ201410243315
【公開日】2014年9月24日 申請日期:2014年6月3日 優(yōu)先權(quán)日:2014年6月3日
【發(fā)明者】楊華, 鄧長友 申請人:上海交通大學(xué)
網(wǎng)友詢問留言 已有0條留言
  • 還沒有人留言評論。精彩留言會獲得點(diǎn)贊!
1