一种基于边缘分级和CENTRIST特征的行人检测方法

摘要

本发明公开一种基于边缘分级和CENTRIST特征的行人检测方法，步骤为：用3D-Harris Detector计算边缘尺度，用合适的边缘尺度阈值滤除局部细节纹理而保留显著目标的轮廓；对图像进行CENTRIST编码值的提取，用一个8bit的二进制数来编码每个像素点；采用滑动窗口方式进行目标框扫描，对每个目标框提取6144维CENTRIST直方图特征向量，由SVM分类器得出是否检测目标。本发明基于CENTRIST特征提出了一种行人检测方法，通过边缘分级的技术可以有效的滤除复杂内部纹理细节，减少背景的干扰提高检测准确率，对光照变化、形态变换、遮挡下的行人检测有较高的鲁棒性。

主权项

一种基于边缘分级和CENTRIST特征的行人检测方法，其特征在于，包括以下步骤：第一步：对待检测图像进行边缘分级，提取显著边缘特征；(1)用3D‑Harris Detector计算边缘像素尺度，像素点的边缘尺度定量为：x,y表示像素坐标，r表示图像尺度，R则代表Harris检测算子响应；(2)将像素尺度转换到边缘尺度，基于边缘的结构信息将分离的点聚合起来，根据尺度相似和方向连续两个结构一致性进行边缘的聚类；(3)将同一边缘中的边缘点统一到同一个边缘尺度上，其中：统一尺度与3D‑Harris检测尺度吻合，同一集合中的像素要有相似的边缘尺度；(4)选取边缘尺度S∈[2,3]，滤除局部细节纹理而保留显著目标的轮廓，作为边缘图像；作为下一步提取CENTRIST特征的输入；第二步：然后对图像进行CENTRIST特征的提取获得6144维特征向量；第三步：对数据集中的训练样本分别获取6144维特征向量并输入SVM分类器进行正负样本的二值分类器训练；第四步：采用滑动窗口方式进行目标框扫描，对每个目标框提取6144维的CENTRIST直方图特征向量，由SVM分类器得出是否检测目标。