一种基于高斯形状特征的人体检测方法

摘要

一种基于高斯形状特征的人体检测方法，属于计算机视觉与模式识别领域，解决现有检测方法检测率和检测速度较低的问题。本发明包括：1.提取特征步骤，提取各训练样本每个矩形区域的高斯形状特征；2.构建级联检测器步骤，对当前训练样本进行学，构成级联检测器；3.检测人体步骤：使用级联检测器对待检测图像扫描检测，确定图像中人体位置以及大小。本发明赖以构建的高斯形状特征对光照、背景等变化具有较强的鲁棒特性，同时特征维数低；高斯形状特征的构建加入了区域的均值，对人体和背景的区分能力得到增强；因而构建的级联检测器可以大大提高人体检测率，可应用于智能监控、辅助驾驶以及人机交互系统。

主权项

一种基于高斯形状特征的人体检测方法，包括：一、提取特征步骤，包括以下子步骤：1.1.对训练样本集中每个训练样本I，计算每个像素点(x，y)的特征向量φ(I，x，y)： φ ( I , x , y ) = [ xy | I x | | I y | I x 2 + I y 2 | I xx | | I yy | arctan | I x | | I y | ] T 其中，x、y为像素点的坐标值，Ix为对训练样本I进行[‑1 0 1]滤波后像素点(x，y)处的值，Iy为对训练样本I进行[‑1 0 1]T滤波后像素点(x，y)处的值，Ixx为对训练样本I进行[‑1 2 ‑1]滤波后像素点(x，y)处的值，Iyy为对训练样本I进行[‑1 2 ‑1]T滤波后像素点(x，y)处的值；1.2.从第一个训练样本中抽取至少50个矩形区域，它们的位置和大小都是随机的；随后的训练样本中抽取矩形区域的数量、位置和大小均与第一个训练样本相同；1.3.提取各训练样本每个矩形区域的高斯形状特征；二、构建级联检测器步骤，包括以下子步骤：2.1.对当前训练样本进行学习，得到一个节点分类器；2.2.将子步骤2.1得到的节点分类器添加为当前级联检测器的最后一级；2.3.对当前训练样本作Bootstrap处理：使用当前级联检测器，剔除负样本训练集中被正确分类的样本，再从原始图像集中抽取与被剔除数量相等的、且被当前级联检测器错误分类的图片，加入当前负样本训练集；判断原始图像集中图像数量是否为0且当前负样本训练集中样本数量小于初始数量，是则转步骤三；否则进行子步骤2.4；2.4.提取高斯形状特征：按照步骤一，提取当前训练样本的高斯形状特征，然后转子步骤2.1；三、检测人体步骤：从待检测图像中扫描检测出人体，包括以下子步骤：3.1.将待检测图像进行多次不同比例缩放操作得到若干幅尺寸大小不同的缩放图像；3.2.对子步骤3.1所得到的每幅缩放图像，按定步长抽取与训练样本尺寸相同的图片，使用构建的级联检测器对其分类，如果抽取的图片被分类为人体图片，则计算该人体图片在未经缩放的待检测图像中的对应位置和大小信息并保存，否则继续按定步长从缩放图像中抽取图片并分类，直至该幅缩放图像被抽取完毕；3.3.根据子步骤3.2记录下的每幅缩放图像所有人体图片在待检测图像中的位置和大小信息，确定待检测图像中最终的人体位置以及大小。