一种基于选择性区域的多行人检测方法及系统的制作方法
【技术领域】
[0001] 本发明涉及目标检测领域，特别涉及一种基于选择性区域的多行人检测技术方 案。
【背景技术】
[0002] 目标检测在计算机视觉中是一个热点，广泛的应用在刑侦监控、特定目标检 索、机器人学和智能车辆中；行人在目标检测中又是尤为重要的因素，因此行人检测在 近几年的时间里引起了高度重视和研究。但是在不同场景下光照、噪声以及行人的多 种姿态变化使行人检测的研究面临很大的挑战。目前大多的行人检测算法都是借助于 Dalal-Triggs在文献（"Histogramsoforientedgradientsforhumandetection. InComputerVisionandPatternRecognition, 2005.CVPR2005.IEEEComputer SocietyConferenceon,volume1,pages886-893.)中提出的HOG特征。经过多年的 研究，该领域取得了很大的改进。在PiotrDollar的文献（PiotrDollar,Christian ffojek,BerntSchiele,andPietroPerona.Pedestriandetection:Anevaluationofthe stateoftheart.PatternAnalysisandMachineIntelligence,IEEETransactions on, 34(4) :743-761，2012.)中对目前十六种行人检测算法比对的调研中可以发现，在行人 检测过程中仍然存在两个问题以至于检测率低下：一个是穷举扫描带来的大量误检；另一 个是遮挡情况下检测率低下问题。检测过程包含训练和测试两个阶段：第一，从训练图像 中提取特征，其中特征包含了行人的色彩、纹理及外形等基本属性信息，将提取的特征训练 出SVM分类器；第二，从测试集图像中提取特征，将这些特征送入到训练好的分类器，最后 给出分类结果。从H0G特征的检测结果中可看出，存在大多误检是当前技术很难解决的；存 在遮挡环境下的漏检比较严重。
【发明内容】
[0003] 本发明的目的是提出一种基于选择性区域的多行人检测技术方案，解决现有的同 类方法有部分遮挡环境中高误检、漏检问题，通过多人检测子得到最佳的结果。
[0004] 为了达到以上目的，本发明采用的技术方案为一种基于选择性区域的多行人检测 方法，包括训练阶段和测试阶段，
[0005] 所述训练阶段，包括输入训练数据集，所述训练数据集中样本图像包括包含行人 的正样本及不包含行人的负样本，所述正样本包含单人正样本和有部分遮挡下的双人正样 本，负样本包含单人负样本和有部分遮挡下的双人负样本；根据训练数据集中各样本图像 提取特征，根据所得特征训练分类器构成多人检测子，实现包括以下步骤，
[0006] 步骤1. 1，对输入的训练数据集中各样本图像进行颜色空间的归一化；
[0007] 步骤1. 2,训练单人检测子，包括对单人正样本和单人负样本的归一化结果提取可 变模板特征后送入SVM分类器，记录单人正负样本的差异，训练单人检测子；
[0008] 步骤1. 3,训练双人检测子，包括对有部分遮挡的双人正样本和部分遮挡的双人负 样本的归一化结果提取可变模板特征并送入SVM分类器，记录有部分遮挡的双人正负样本 差异，训练双人检测子；
[0009] 步骤1. 4,由步骤1. 2训练好的单人检测子和步骤1. 3训练好的双人检测子组成多 人检测子，作为最终检测子；
[0010] 所述测试阶段，包括对任一测试图像，对待检测区域提取可变模板特征后输入训 练阶段所得多人检测子进行分类，判断是否包含行人。
[0011] 而且，所述测试阶段的实现方式为，首先以测试图像为输入图像，分别以输入图像 的每个像素为中心建立预设尺寸的局部区域作为待检测区域，然后提取待检测区域的可变 模板特征并输入训练阶段所得多人检测子进行分类，判断各待检测区域是否包含行人。
[0012] 而且，所述测试阶段的实现方式为，以测试图像为输入图像，对输入图像进行特征 空间的分割；根据分割结果组成选择性区域，作为待检测区域；对待检测区域进行颜色空 间的归一化；提取待检测区域的可变模板特征并输入训练阶段所得多人检测子进行分类， 判断各待检测区域是否包含行人。
[0013] 而且，所述对特征空间的分割，包括在颜色特征空间、纹理特征空间和形状特征空 间分别进行基层的分割。
[0014] 而且，所述输入训练阶段所得多人检测子进行分类，实现如下，
[0015] 如果图片待检测区域中行人的个数为n，
[0016]
[0017] 其中，p(c=n)表示行人个数为n时的概率，p(R|znzn,c=n)为多人监测子，推 导过程中的P(R,znln,wn，mn)表示的是行人zni和行人zn在区域R的联合概率，p(wn|mn) 表示的是行人zni和行人zn的左右关系mn和行人zn的大小wn的条件概率函数，p(mn)表示 行人zni和行人z"左右关系概率值，条件概率函数p(R，zndln，wn，mn)在步骤1. 4所得到的 多人检测子中计算得到，P(R|zn =n)大于等于预设阈值表示该区域有行人，否则表 示该区域不包含行人。
[0018] 本发明还相应提供一种基于选择性区域的多行人检测系统，包括训练模块和测试 丰旲块，
[0019] 所述训练模块，用于输入训练数据集，所述训练数据集中样本图像包括包含行人 的正样本及不包含行人的负样本，所述正样本包含单人正样本和有部分遮挡下的双人正样 本，负样本包含单人负样本和有部分遮挡下的双人负样本；根据训练数据集中各样本图像 提取特征，根据所得特征训练分类器构成多人检测子，包括以下单元，
[0020] 归一化单元，用于对输入的训练数据集中各样本图像进行颜色空间的归一化；
[0021] 单人检测子训练单元，用于训练单人检测子，包括对单人正样本和单人负样本的 归一化结果提取可变模板特征后送入SVM分类器，记录单人正负样本的差异，训练单人检 测子；
[0022] 双人检测子训练单元，用于训练双人检测子，包括对有部分遮挡的双人正样本和 部分遮挡的双人负样本的归一化结果提取可变模板特征并送入SVM分类器，记录有部分遮 挡的双人正负样本差异，训练双人检测子；
[0023] 多人检测子训练单元，用于由训练好的单人检测子和训练好的双人检测子组成多 人检测子，作为最终检测子；
[0024] 所述测试模块，用于对任一测试图像，对待检测区域提取可变模板特征后输入训 练模块所得多人检测子进行分类，判断是否包含行人。
[0025] 而且，所述测试模块的实现方式为，首先以测试图像为输入图像，分别以输入图像 的每个像素为中心建立预设尺寸的局部区域作为待检测区域，然后提取待检测区域的可变 模板特征并输入训练模块所得多人检测子进行分类，判断各待检测区域是否包含行人。
[0026] 而且，所述测试模块的实现方式为，以测试图像为输入图像，对输入图像进行特征 空间的分割；根据分割结果组成选择性区域，作为待检测区域；对待检测区域进行颜色空 间的归一化；提取待检测区域的可变模板特征并输入训练模块所得多人检测子进行分类， 判断各待检测区域是否包含行人。
[0027] 而且，所述对特征空间的分割，包括在颜色特征空间、纹理特征空间和形状特征空 间分别进行基层的分割。
[0028] 而且，所述输入训练模块所得多人检测子进行分类，实现如下，
[0029] 如果图片待检测区域中行人的个数为n，
[0030]
[0031] 其中，p(c=n)表示行人个数为n时的