一种基于在线学随机蕨分类器的行人检测方法

摘要

本发明提供了一种基于在线学随机蕨分类器的行人检测方法，选取在线学的随机蕨分类器与之级联，通过在线学的方法，在检测同时提高整体的分类性能，本发明提供了一种基于在线学随机蕨分类器的行人检测方法，将初始分类器与在线学的分类器进行级联，构成多种分类器融合的系统用于视频目标检测，其中初始分类器为HOG特征训练SVM分类器，在线学的分类器为在线随机蕨分类器，通过在线自动选取正负样本训练随机蕨分类，最终形成在线学的行人检测体系，通过实验可知，在初始分类器上级联在线学的随机蕨分类器，通过在线学算法可有效提高整体视频目标检测精度。

主权项

一种基于在线学习随机蕨分类器的行人检测方法，其特征在于包括以下步骤：(1)多分类器在线训练：(1.1)获取初始支持向量机分类器：从已知的行人库选取n个正样本和n个负样本，对每个样本提取方向梯度直方图特征，利用方向梯度直方图特征训练支持向量机分类器；(1.2)获取初始随机蕨分类器：(1.2.1)将检测视频的第一帧转化为灰度图像后，在灰度图像中框选一组正样本和一组负样本，对每个样本进行n次仿射变换并将仿射变换后的结果作为初始训练随机蕨分类器的正样本和负样本，在得到的每个样本中随机提取3个像素块；(1.2.2)对每个像素块，比较其左半部分所有像素值之和I_left与右半部分所有像素值之和I_right的大小以及上半部分所有像素值之和I_top与下半部分所有像素值之和I_bottom的大小，根据比较结果对每个像素块的特征编码为2位二进制数；构造随机蕨，令随机蕨包含上述3个像素块，则该随机蕨根据3个像素块的特征编码得到一个6位二进制编码；(1.2.3)统计初始训练随机蕨分类器的正样本和负样本在随机蕨上的后验概率分布，获得初始随机蕨分类器；(1.3)在线训练初始随机蕨分类器：对于检测视频的第一帧以后的后续帧，执行步骤(1.3.1)和(1.3.2)：(1.3.1)设置检测阈值Tc为0.5～1，利用步骤(1)训练获得的支持向量机分类器对后续帧进行目标检测，得到检测结果；(1.3.2)将每个检测结果仿射变换n次，得到n个结果作为正样本训练初始随机蕨分类器；在检测结果周围选取与正样本等大的图像块，分别仿射变换n次，将得到的n个结果作为负样本训练初始随机蕨分类器，得到经过训练的随机蕨分类器；(2)多分类器的视频目标检测：(2.1)以支持向量机分类器作为初始分类器进行目标检测：降低检测阈值Tc为‑0.5～‑1，利用支持向量机分类器对检测视频的视频帧进行检测得到检测结果；(2.2)利用随机蕨分类器对检测结果分类：对步骤(2.1)得到的检测结果，计算每个检测结果在随机蕨上的后验概率P，对大于阈值T1的后验概率P对应的检测结果作为正确检测结果，否则作为虚警删除；(2.3)在线更新随机蕨分类器，更新条件包括：(a)将正确检测结果作为正样本更新随机蕨的后验概率分布；(b)采用改进的光流法对正确检测结果进行跟踪，计算跟踪结果在随机蕨分类器上的后验概率，若后验概率高于阈值T2，则将正确检测结果作为正样本更新随机蕨分类器；(c)对每个正样本，在其周围选取一组大小相同的区域，用随机蕨分类器计算区域的后验概率，若后验概率小于阈值T3，则将区域作为负样本更新随机蕨分类器；(2.4)重复步骤(2.1)至步骤(2.3)，直到遍历完检测视频的所有视频帧。