发明名称 机载平台快速行人检测系统和方法
摘要 本发明公开了一种机载平台快速行人检测系统和方法。包括高清摄像机,连接到一个机载快速处理模块SECO CARMA DevKit;高清摄像机摄入高清图像后,通过USB接口将图像传入到机载快速处理模块SECO CARMA DevKit,对实时采集的高清图像进行实时行人检测。本发明的方法是首先要计算图片中的行人的基于梯度方向直方图的特征向量,包括颜色空间标准化,计算梯度,空间和方向的梯度统计,重叠块中的对比度标准化,特征向量生成;然后基于线性支持向量机将特征向量进行分类,再根据分类结果判别图片中含有行人。本发明的实施例主要用于图像中的行人检测计算,特别是在移动机器人嵌入式设备中的行人检测计算。
申请公布号 CN103473532B 申请公布日期 2016.11.23
申请号 CN201310400824.3 申请日期 2013.09.06
申请人 上海大学 发明人 刘恒利;何旭栋;黄潮炯;颜春明;李恒宇;罗均;谢少荣
分类号 G06K9/00(2006.01)I;G06K9/62(2006.01)I;H04N7/18(2006.01)I 主分类号 G06K9/00(2006.01)I
代理机构 上海上大专利事务所(普通合伙) 31205 代理人 何文欣
主权项 一种机载平台快速行人检测方法,采用的机载平台快速行人检测系统进行检测,该检测系统包括高清摄像机(1),所述高清摄像机(1)连接到一个机载快速处理模块SECO CARMA DevKit(2);所述高清摄像机(1)摄入高清图像后,通过USB接口将图像传入到机载快速处理模块SECO CARMA DevKit(2),所述的快速处理模块SECO CARMA DevKit(2)对实时采集的高清图像进行实时行人检测;其特征在于,检测步骤如下:步骤1:由高清摄像机(1)摄取图像后实时传入机载快速处理模块SECO CARMA DevKit(2);步骤2:由机载快速处理模块SECO CARMA DevKit(2)对输入图像进行如下处理:<img file="dest_path_image002.GIF" wi="15" he="16" />颜色空间标准化:将图片直接传到CUDA上并行化处理实现,就是得到图片数据的每个像素点的值,获取到像素点的值之后就可以利用平方根Gamma校正,则按如下方式进行:<img file="dest_path_image004.GIF" wi="189" he="31" />,其中<img file="dest_path_image006.GIF" wi="72" he="30" />表示Gamma校正后的图像像素值,<img file="dest_path_image008.GIF" wi="58" he="27" />)表示未校正时的值;<img file="dest_path_image010.GIF" wi="15" he="16" />计算梯度:利用CUDA每个线程块包含256×1×1线程,每个线程计算一个梯度,模和方向,用高速片上共享内存Shared Memory存储像素的信息,这样计算得到三个通道的梯度的幅值以及三个方向角,此时取梯度幅值最大的通道值和对应的方向角,具体计算按如下公式进行:<img file="dest_path_image012.GIF" wi="362" he="280" />其中<img file="dest_path_image014.GIF" wi="24" he="42" />,<img file="dest_path_image016.GIF" wi="24" he="44" />分别表示x,y方向的梯度,<img file="dest_path_image018.GIF" wi="14" he="18" />表示梯度方向;<img file="dest_path_image020.GIF" wi="15" he="16" />空间和方向的梯度统计:利用步骤<img file="757580dest_path_image010.GIF" wi="15" he="16" />结果求取梯度,每个线程独自计算直方图,结果存放到共享存储单元,由梯度得到梯度方向直方图,以下步骤生成方向梯度直方图:1)确定θ(x,y)梯度值分布空间;2)递增梯度值分布空间的值;3)重复步骤1)和步骤2);<img file="dest_path_image022.GIF" wi="15" he="16" />重叠块中的对比度标准化:将所有线程块生成的直方图组成一个大型的直方图,之后按以下方式进行归一化处理,每个线程计算对应的HOG块,计算按如下公式进行:<img file="dest_path_image024.GIF" wi="147" he="45" />,其中v表示向量,<img file="dest_path_image026.GIF" wi="28" he="30" />表示向量v的范数,<img file="dest_path_image028.GIF" wi="18" he="19" />表示很小的值;<img file="dest_path_image030.GIF" wi="15" he="16" />特征向量生成:在128×64像素的检测窗口中,最好的结果是使用16×16像素块,128×64像素由15×7块组成;每个块含有4个亚块,每个亚块又包含一个Cell单元,而一个Cell单元由8×8像素组成;每个Cell单元中会生成9bins,每个块中就会生成4×9个bins;所以最终128×64检测窗口中特征向量的维数为3780;<img file="dest_path_image032.GIF" wi="15" he="16" />基于线性向量机SVM将特征向量进行分类;步骤3:由机载快速处理模块SECO CARMA DevKit(2)实时输出检测行人结果。
地址 200444 上海市宝山区上大路99号
您可能感兴趣的专利