一种多特征多模型的行人检测方法

摘要

本发明公开一种多特征多模型的行人检测方法，包括：用ICF+Adaboost分类器A处理视频帧RGB图像，用基于前景掩码行人检测分类器处理前景掩码；将2个分类器的检测结果合并，按阈值划分为高置信度行人检测结果和低置信度行人检测结果；采用ICF+Adaboost分类器B、DPM行人检测分类器分别对低置信度行人检测结果进行检测，将2个分类器检测结果合并，并将检测到的每个行人的检测计分、重叠率、宽高比、分类器序号和前景比率作为特征向量，输入1个裁决SVM中，判断检测到的行人是否为正确的行人检测，并输出新的行人检测结果，并将此结果与高置信度行人检测结果合并为一个合集作为最终检测结果。本发明有效地解决目前行人检测中存在的误判率较高问题，并提高检测率。

主权项

一种多特征多模型的行人检测方法，其特征在于包括以下步骤：(1)提取前景掩码：对于输入的视频，采用高斯混合模型(GMM)的方法来建立背景模型，分析每一帧视频的前景，并采用形态学操作进行去噪处理，获得前景掩码；(2)行人检测1阶段的行人检测：使用ICF+Adaboost分类器A处理视频流中的每一个视频帧的RGB图像得到行人检测结果；基于前景掩码行人检测分类器处理每一个视频帧对应的前景掩码，先进行形态学处理，然后提取连通域,并计算每个连通域的宽高比(wh_ratio)，然后将宽高比在一定阈值范围内的连通域作为行人检测结果；然后将上述的2个分类器处理的行人检测结果合并，再将合并后的行人检测结果按检测计分(score)划分置信度，设置一个score的阈值，大于此阈值的行人检测结果为高置信度行人检测结果，存入行人检测最终结果集，低于此阈值的行人检测结果为低置信度行人检测结果，作为行人检测2阶段的输入数据；(3)行人检测2阶段的行人检测：对于输入的低置信度行人检测结果，采用ICF+Adaboost分类器B和DPM行人检测分类器分别对输入的行人检测结果进行检测，并提取检测方框(detection_box)重叠率、score、分类器序号、宽高比和前景比率组成裁决特征向量，利用一个裁决SVM进行分析，删除误判，得到一个新的行人检测结果；(4)将行人检测1阶段的高置信度行人检测结果和行人检测2阶段的行人检测的最终结果合并，成为行人检测最终结果集。