基于视频监控的行人检测方法

摘要

本发明公开了一种基于视频监控的行人检测方法，利用扩展梯度直方图特征与Adaboost算法来快速检测行人，然后利用梯度直方图特征和支持向量机来进一步识别验证前面的检测出来的行人。本发明通过在标准的行人数据库上的实验表明该方法不仅能大大减少检测的时间，而且检测率也有显著提高。行人检测作为目标检测的关键技术之一，其在视频监控安全、智能交通管理等领域具有广泛的应用前景。

主权项

一种基于视频监控的行人检测方法，其特征是，包括如下步骤：已标注好的行人样本通过训练模块进行训练建模，生成Adaboost级联分类器与支持向量机分类器，共同构成检测模块；图像数据输入到所述检测模块，依次通过两个分类器完成对行人的定位；其中在训练模块进行的训练建模步骤如下：(1)归一化已标注好的行人图像，包括行人图像的尺寸归一化和灰度归一化；(2)通过扩展梯度直方图特征来描述行人，采用Adaboost算法选择扩展梯度直方图特征，并生成具有区分行人与背景的Adaboost级联分类器，其中所述扩展梯度直方图特征的选择过程如下：设行人样本大小为A＝W*H，其中W为样本的宽，H为样本的高；将原图分成N块，其中块的大小和尺度各不相同，并且块与块之间有重叠区域；对每一块做如下操作：1)计算每个像素点的梯度幅值与方向；2)把梯度方向0‑180度分成9个直方图方向；3)分成三大类特征，每类特征都有9个候选特征；第一类：0‑20度，20‑40度，40‑60度，60‑80度，80‑100度，100‑120度，120‑140度，140‑160度，160‑180度9个直方图方向；第二类：0‑40度，20‑60度，40‑80度，60‑100度，80‑120度，100‑140度，120‑160度，140‑180度，160‑180‑20度9个 直方图方向；第三类：0‑60度，20‑80度，40‑100度，60‑120度，80‑140度，100‑160度，120‑180度，140‑180‑20度，160‑180‑40度9个直方图方向；4)所述扩展梯度直方图特征是由上述每个直方图方向的梯度幅值和与总的梯度幅值和的比值构成的；(3)利用传统梯度直方图特征与支持向量机生成具有区分行人与背景的支持向量机分类器；所述检测模块实现的步骤是：(1)采用训练模块生成的Adaboost级联分类器检测行人候选区域，确定行人初步位置；(2)利用在训练模块生成的支持向量机分类器在上述步骤确定的行人初步位置中进一步确定行人具体位置。