一种基于改进的HOG特征和PCA的行人检测方法

摘要

一种基于改进的HOG特征和PCA的行人检测方法，该方法采用样本图像中行人梯度信息集中区域的HOG特征级联PCA主元分析的特征提取算法来提取样本特征；利用训练样本提取的上述特征训练SVM分类器；对于检测样本利用上述特征提取方法提取特征向量，并利用训练得到的SVM分类器进行行人检测。本发明提供一种能够有效减少训练速度、降低误检率和漏报率的基于改进的HOG特征和PCA的行人检测方法。

主权项

1.一种基于改进的HOG特征和PCA的行人检测方法，其特征在于：所述行人检测方法包括以下步骤：1)采用HOG特征块模块提取训练正样本图像中行人梯度信息集中区域的HOG特征作为改进型的HOG特征，所述训练正样本图像有m个；2)针对上述改进型HOG特征矩阵，采用PCA算法，得到投影矩阵B，具体过程如下：2.1)针对训练样本特征矩阵中的每个训练正样本x_i，i＝1，...，m，计算平均向量：$\bar{x}=\frac{1}{m}{\Sigma }_{i=1}^m{x}_i;$2.2)计算协方差矩阵：$C=\frac{1}{m}{\Sigma }_{i=1}^m{\bar{x}}_i{{\bar{x}}_i}^T;$2.3)计算C的特征值和特征向量b_i，选择K个最大的特征向量作为特征子空间的基，由这些基组成投影矩阵B：B＝[b₁，b₂，...，b_K]^T；3)提取训练样本的改进型HOG训练特征矩阵P，利用投影矩阵B进行降维处理，得到最终训练特征矩阵P′：P′＝P×B，利用P′训练支持向量机SVM分类器；4)对于任一检测样本，提取改进型HOG特征向量y并利用投影矩阵B降维，得到最终用于检测行人的特征向量y′：y′＝y×B；将y′输入步骤3)中训练得到的SVM分类器进行行人的检测。