发明名称 |
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。 |
申请公布号 |
CN104063682A |
申请公布日期 |
2014.09.24 |
申请号 |
CN201410243315.9 |
申请日期 |
2014.06.03 |
申请人 |
上海交通大学 |
发明人 |
杨华;邓长友 |
分类号 |
G06K9/00(2006.01)I;G06K9/62(2006.01)I |
主分类号 |
G06K9/00(2006.01)I |
代理机构 |
上海汉声知识产权代理有限公司 31236 |
代理人 |
郭国中 |
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:<img file="FDA0000515195800000011.GIF" wi="880" he="109" />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。 |
地址 |
200240 上海市闵行区东川路800号 |