一種行人檢測方法及系統技術方案

本發明專利技術公開了一種行人檢測方法及系統，通過對視頻的圖像進行預處理，將RGB空間的圖像轉換為HSV顏色空間的圖像并噪聲濾波；判斷所述圖像中不同位置不同大小的候選區域的顏色紋理是否鏡像對稱，根據判斷結果篩選出所述圖像的所有行人候選區域；根據預先訓練得到的行人肩膀區域與人頭區域聯合模型對所有行人候選區域進行檢測，判斷各個行人候選區域是否為真正行人區域；實現了快速準確的識別行人，具有很好的實用性。

Pedestrian detection method and system

The invention discloses a pedestrian detection method and system by preprocessing of video images, the image of RGB space is converted to HSV color space and image noise filtering; determine candidate regions in different locations and different size of the colors in the image texture is mirror symmetry, according to the judgment result screened all the pedestrian candidate the area of the image; according to the pre trained pedestrian shoulder area with the head of regional joint model to detect all pedestrian candidate regions, determine whether each candidate region for real pedestrian pedestrian areas; to realize rapid and accurate identification of pedestrians, has good practicability.

【技術實現步驟摘要】
一種行人檢測方法及系統
本專利技術涉及計算機視覺
，特別涉及一種行人檢測方法及系統。
技術介紹
隨著技術的不斷發展，行人檢測具有極其廣泛的應用：智能輔助駕駛，智能監控，行人分析以及智能機器人等領域。行人檢測就是把視頻圖像中的行人目標從背景中分割出來并精確定位。基于視覺的行人檢測目前仍舊是計算機視覺領域的一個公認的難題。當前行人檢測算法分為兩大類：一類是基于模板匹配的方法，此方法通過預先制作的不同行人姿態輪廓形狀模板在圖像中滑動匹配找到卷積最大值的地方。另一類是基于統計學習特征的方法，此方法根據大量的訓練樣本特征構建行人檢測分類器。提取的特征一般有目標的灰度、邊緣、紋理、形狀、梯度直方圖等信息。常用的特征有HAAR（Haar-likefeatures）、HOG（HistogramofOrientedGradient，方向梯度直方圖）、LBP（LocalBinaryPattern，局部二值模式）等，常用的分類器為SVM（SupportVectorMachine，支持向量機）、adaboost（弱分類器）等。此兩類行人檢測算法分別有如下缺點：基于模板匹配的方法由于行人姿態多樣，需要制作大量的不同姿態以及不同大小的人體模型，大量的模板在圖像中進行滑動匹配需要消耗大量的時間，且人體模型的制作也是個難題。此類方法速度慢、檢出率低、誤檢率較高，在實際應用中存在較多問題。而基于特征的方法沒有利用到行人穿的衣服的顏色對稱性，如HAAR、LBP特征較為簡單，僅僅使用單個特征難以取得較好的效果；HOG特征檢測效果較好，但是對其進行全圖檢測極為耗時。因而現有技術還有待改進和提高。
技術實現思路
鑒于上述現有技術的不足之處，本專利技術的目的在于提供一種行人檢測方法及系統，旨在解決現有行人檢測技術識別速度慢、準確率低的問題。為了達到上述目的，本專利技術采取了以下技術方案：一種行人檢測方法，其中，包括：A、對視頻的圖像進行預處理，將RGB空間的圖像轉換為HSV顏色空間的圖像并噪聲濾波；B、判斷所述圖像中不同位置不同大小的候選區域的顏色紋理是否鏡像對稱，根據判斷結果篩選出所述圖像的所有行人候選區域；C、根據預先訓練得到的行人肩膀區域與人頭區域聯合模型對所有行人候選區域進行檢測，判斷各個行人候選區域是否為真正行人區域。所述的行人檢測方法，其中，在所述步驟A之前，還包括：A11、獲取多張包含行人肩膀區域與人頭區域的圖像數據作為正樣本，獲取多張不包含行人肩膀區域與人頭區域的圖像數據作為負樣本；A12、分別提取所述正樣本和負樣本的HOG特征；A13、將所述HOG特征送入SVM分類器中進行訓練，得到行人肩膀區域與人頭區域聯合模型。所述的行人檢測方法，其中，所述步驟B具體包括：B10、以不同大小的候選框在所述圖像中滑動，獲取所述圖像中不同位置不同大小的候選框對應的候選區域；B20、判斷所述候選區域的顏色紋理是否鏡像對稱，若為是，則所述候選區域為行人候選區域；若為否，則所述候選區域為非行人候選區域。所述的行人檢測方法，其中，所述步驟B20具體包括：B21、根據HSV顏色空間的候選區域，得到所述候選區域在H、S及V三種顏色通道上分別對應的顏色紋理；B22、以所述候選區域中線為中心線，分別計算三種顏色紋理以中心線為分界線的左右兩邊顏色紋理的相似度，當所述相似度大于預設的相似度閾值時，則認為該種顏色紋理鏡像對稱；當所述相似度不大于預設的相似度閾值時，則認為該種顏色紋理非鏡像對稱；B23、判斷所述候選區域的三種顏色紋理是否均為鏡像對稱，若為是，則所述候選區域為行人候選區域；若為否，則所述候選區域為非行人候選區域。所述的行人檢測方法，其中，所述步驟C具體包括：C10、根據所述行人肩膀區域與人頭區域聯合模型對所有行人候選區域進行檢測得到對應的檢測值；C20、判斷所述檢測值是否大于預設的模型閾值，若為是，則該檢測值對應的行人候選區域為真正行人區域；若為否，則該檢測值對應的行人候選區域為非行人區域。一種行人檢測系統，其中，包括：預處理模塊，用于對視頻的圖像進行預處理，將RGB空間的圖像轉換為HSV顏色空間的圖像并噪聲濾波；候選區域篩選模塊，用于判斷所述圖像中不同位置不同大小的候選區域的顏色紋理是否鏡像對稱，根據判斷結果篩選出所述圖像的所有行人候選區域；行人區域檢測模塊，用于根據預先訓練得到的行人肩膀區域與人頭區域聯合模型對所有行人候選區域進行檢測，判斷各個行人候選區域是否為真正行人區域。所述的行人檢測系統，其中，還包括：樣本獲取模塊，用于獲取多張包含行人肩膀區域與人頭區域的圖像數據作為正樣本，獲取多張不包含行人肩膀區域與人頭區域的圖像數據作為負樣本；特征提取模塊，用于分別提取所述正樣本和負樣本的HOG特征；分類訓練模塊，用于將所述HOG特征送入SVM分類器中進行訓練，得到行人肩膀區域與人頭區域聯合模型。所述的行人檢測系統，其中，所述候選區域篩選模塊包括：候選區域選取單元，用于以不同大小的候選框在所述圖像中滑動，獲取所述圖像中不同位置不同大小的候選框對應的候選區域；候選區域判斷單元，用于判斷所述候選區域的顏色紋理是否鏡像對稱，若為是，則所述候選區域為行人候選區域；若為否，則所述候選區域為非行人候選區域。所述的行人檢測系統，其中，所述候選區域判斷單元包括：顏色紋理獲取子單元，用于根據HSV顏色空間的候選區域，得到所述候選區域在H、S及V三種顏色通道上分別對應的顏色紋理；鏡像對稱判斷子單元，用于以所述候選區域中線為中心線，分別計算三種顏色紋理以中心線為分界線的左右兩邊顏色紋理的相似度，當所述相似度大于預設的相似度閾值時，則認為該種顏色紋理鏡像對稱；當所述相似度不大于預設的相似度閾值時，則認為該種顏色紋理非鏡像對稱；候選區域判斷子單元，用于判斷所述候選區域的三種顏色紋理是否均為鏡像對稱，若為是，則所述候選區域為行人候選區域；若為否，則所述候選區域為非行人候選區域。所述的行人檢測系統，其中，所述行人區域檢測模塊包括：行人區域檢測單元，用于根據所述行人肩膀區域與人頭區域聯合模型對所有行人候選區域進行檢測得到對應的檢測值；行人區域判斷單元，用于判斷所述檢測值是否大于預設的模型閾值，若為是，則該檢測值對應的行人候選區域為真正行人區域；若為否，則該檢測值對應的行人候選區域為非行人區域。相較于現有技術，本專利技術提供的行人檢測方法及系統，利用顏色紋理對稱性來初步刷選行人區域，利用行人肩膀和人頭的顯著特征模型來確認行人區域的方法，實現了快速、準確的識別行人，行人檢測方法簡單可靠，具有很好的實用性，帶來了極大的方便。附圖說明圖1為本專利技術提供的行人檢測方法的方法流程圖。圖2為本專利技術提供的行人檢測方法中模型制作的方法流程圖。圖3為本專利技術提供的行人檢測系統的結構框圖。圖4為本專利技術提供的行人檢測系統中模型制作的結構框圖。具體實施方式本專利技術提供一種行人檢測方法及系統。為使本專利技術的目的、技術方案及效果更加清楚、明確，以下參照附圖并舉實施例對本專利技術進一步詳細說明。應當理解，此處所描述的具體實施例僅用以解釋本專利技術，并不用于限定本專利技術。本專利技術提供一種行人檢測方法，請參閱圖1，所述行人檢測方法，包括以下步驟：S100、對視頻的圖像進行預處理，將RGB空間的圖像轉換為HSV顏色空間的圖像并噪聲濾波；S200本文檔來自技高網...

【技術保護點】
一種行人檢測方法，其特征在于，包括：A、對視頻的圖像進行預處理，將RGB空間的圖像轉換為HSV顏色空間的圖像并噪聲濾波；B、判斷所述圖像中不同位置不同大小的候選區域的顏色紋理是否鏡像對稱，根據判斷結果篩選出所述圖像的所有行人候選區域；C、根據預先訓練得到的行人肩膀區域與人頭區域聯合模型對所有行人候選區域進行檢測，判斷各個行人候選區域是否為真正行人區域。

【技術特征摘要】
1.一種行人檢測方法，其特征在于，包括：A、對視頻的圖像進行預處理，將RGB空間的圖像轉換為HSV顏色空間的圖像并噪聲濾波；B、判斷所述圖像中不同位置不同大小的候選區域的顏色紋理是否鏡像對稱，根據判斷結果篩選出所述圖像的所有行人候選區域；C、根據預先訓練得到的行人肩膀區域與人頭區域聯合模型對所有行人候選區域進行檢測，判斷各個行人候選區域是否為真正行人區域。2.根據權利要求1所述的行人檢測方法，其特征在于，在所述步驟A之前，還包括：A11、獲取多張包含行人肩膀區域與人頭區域的圖像數據作為正樣本，獲取多張不包含行人肩膀區域與人頭區域的圖像數據作為負樣本；A12、分別提取所述正樣本和負樣本的HOG特征；A13、將所述HOG特征送入SVM分類器中進行訓練，得到行人肩膀區域與人頭區域聯合模型。3.根據權利要求1所述的行人檢測方法，其特征在于，所述步驟B具體包括：B10、以不同大小的候選框在所述圖像中滑動，獲取所述圖像中不同位置不同大小的候選框對應的候選區域；B20、判斷所述候選區域的顏色紋理是否鏡像對稱，若為是，則所述候選區域為行人候選區域；若為否，則所述候選區域為非行人候選區域。4.根據權利要求3所述的行人檢測方法，其特征在于，所述步驟B20具體包括：B21、根據HSV顏色空間的候選區域，得到所述候選區域在H、S及V三種顏色通道上分別對應的顏色紋理；B22、以所述候選區域中線為中心線，分別計算三種顏色紋理以中心線為分界線的左右兩邊顏色紋理的相似度，當所述相似度大于預設的相似度閾值時，則認為該種顏色紋理鏡像對稱；當所述相似度不大于預設的相似度閾值時，則認為該種顏色紋理非鏡像對稱；B23、判斷所述候選區域的三種顏色紋理是否均為鏡像對稱，若為是，則所述候選區域為行人候選區域；若為否，則所述候選區域為非行人候選區域。5.根據權利要求1所述的行人檢測方法，其特征在于，所述步驟C具體包括：C10、根據所述行人肩膀區域與人頭區域聯合模型對所有行人候選區域進行檢測得到對應的檢測值；C20、判斷所述檢測值是否大于預設的模型閾值，若為是，則該檢測值對應的行人候選區域為真正行人區域；若為否，則該檢測值對應的行人候選區域為非行人區域。6.一種行人檢測系統，其特征在于，包括：預處理模塊，用于對視頻的圖像進行預處理，將RGB空...

【專利技術屬性】
技術研發人員：龍剛，林宋偉，李斐，鄭貴楨，
申請(專利權)人：深圳市保千里電子有限公司，
類型：發明
國別省市：廣東,44