发明名称 | 基于尺度不变特征和位置先验的行人检测方法 | ||
摘要 | 本发明涉及一种基于尺度不变特征和位置先验的行人检测方法,包括:采集行人正例训练样本窗口,获取正例样本窗口的高度H与窗口底端的纵坐标Y;利用支持向量机SVM训练高度信息关于窗口坐标的回归模型,采用径向基核函数;采集大量行人的正例样本和负例样本,计算图像特征通道的相对差分特征,训练AdaBoost分类模型;采用AdaBoost模型进行行人检测,在检测结果中,获取检测窗口的高度为,窗口底端纵向坐标为,采用回归模型,预测窗口底端位置为时的窗口高度;判断是否有行人存在。本发明提高了行人检测的性能。 | ||
申请公布号 | CN106339725A | 申请公布日期 | 2017.01.18 |
申请号 | CN201610782331.4 | 申请日期 | 2016.08.31 |
申请人 | 天津大学 | 发明人 | 庞彦伟;尚楚博 |
分类号 | G06K9/62(2006.01)I | 主分类号 | G06K9/62(2006.01)I |
代理机构 | 天津市北洋有限责任专利代理事务所 12201 | 代理人 | 程毓英 |
主权项 | 一种基于尺度不变特征和位置先验的行人检测方法,包括:步骤1:采集行人正例训练样本窗口,获取正例样本窗口的高度H与窗口底端的纵坐标Y。步骤2:利用支持向量机SVM训练高度信息H关于窗口坐标Y的回归模型,采用径向基核函数。步骤3:采集大量行人的正例样本和负例样本,计算图像特征通道的相对差分特征<img file="FDA0001104119800000011.GIF" wi="248" he="127" />训练AdaBoost分类模型,其中,f<sub>1</sub>和f<sub>2</sub>分别是图像特征通道中两个区域块的平均像素值,f是这两个区域平均像素值的相对差分值。步骤4:采用AdaBoost模型进行行人检测,在检测结果中,获取检测窗口的高度为h,窗口底端纵向坐标为y,采用步骤2中的回归模型,预测窗口底端位置为y时的窗口高度h'。步骤5:如果<img file="FDA0001104119800000012.GIF" wi="479" he="148" />滤除该窗口,否则认为该窗口存在行人。其中,threshold根据经验设定为0.45。 | ||
地址 | 300072 天津市南开区卫津路92号 |