一種基于選擇性區域的多行人檢測方法及系統的制作方法
【技術領域】
[0001] 本發明涉及目標檢測領域，特別涉及一種基于選擇性區域的多行人檢測技術方 案。
【背景技術】
[0002] 目標檢測在計算機視覺中是一個熱點，廣泛的應用在刑偵監控、特定目標檢 索、機器人學和智能車輛中；行人在目標檢測中又是尤為重要的因素，因此行人檢測在 近幾年的時間里引起了高度重視和研究。但是在不同場景下光照、噪聲以及行人的多 種姿態變化使行人檢測的研究面臨很大的挑戰。目前大多的行人檢測算法都是借助于 Dalal-Triggs在文獻（"Histogramsoforientedgradientsforhumandetection. InComputerVisionandPatternRecognition, 2005.CVPR2005.IEEEComputer SocietyConferenceon,volume1,pages886-893.)中提出的HOG特征。經過多年的 研究，該領域取得了很大的改進。在PiotrDollar的文獻（PiotrDollar,Christian ffojek,BerntSchiele,andPietroPerona.Pedestriandetection:Anevaluationofthe stateoftheart.PatternAnalysisandMachineIntelligence,IEEETransactions on, 34(4) :743-761，2012.)中對目前十六種行人檢測算法比對的調研中可以發現，在行人 檢測過程中仍然存在兩個問題以至于檢測率低下：一個是窮舉掃描帶來的大量誤檢；另一 個是遮擋情況下檢測率低下問題。檢測過程包含訓練和測試兩個階段：第一，從訓練圖像 中提取特征，其中特征包含了行人的色彩、紋理及外形等基本屬性信息，將提取的特征訓練 出SVM分類器；第二，從測試集圖像中提取特征，將這些特征送入到訓練好的分類器，最后 給出分類結果。從H0G特征的檢測結果中可看出，存在大多誤檢是當前技術很難解決的；存 在遮擋環境下的漏檢比較嚴重。
【發明內容】
[0003] 本發明的目的是提出一種基于選擇性區域的多行人檢測技術方案，解決現有的同 類方法有部分遮擋環境中高誤檢、漏檢問題，通過多人檢測子得到最佳的結果。
[0004] 為了達到以上目的，本發明采用的技術方案為一種基于選擇性區域的多行人檢測 方法，包括訓練階段和測試階段，
[0005] 所述訓練階段，包括輸入訓練數據集，所述訓練數據集中樣本圖像包括包含行人 的正樣本及不包含行人的負樣本，所述正樣本包含單人正樣本和有部分遮擋下的雙人正樣 本，負樣本包含單人負樣本和有部分遮擋下的雙人負樣本；根據訓練數據集中各樣本圖像 提取特征，根據所得特征訓練分類器構成多人檢測子，實現包括以下步驟，
[0006] 步驟1. 1，對輸入的訓練數據集中各樣本圖像進行顏色空間的歸一化；
[0007] 步驟1. 2,訓練單人檢測子，包括對單人正樣本和單人負樣本的歸一化結果提取可 變模板特征后送入SVM分類器，記錄單人正負樣本的差異，訓練單人檢測子；
[0008] 步驟1. 3,訓練雙人檢測子，包括對有部分遮擋的雙人正樣本和部分遮擋的雙人負 樣本的歸一化結果提取可變模板特征并送入SVM分類器，記錄有部分遮擋的雙人正負樣本 差異，訓練雙人檢測子；
[0009] 步驟1. 4,由步驟1. 2訓練好的單人檢測子和步驟1. 3訓練好的雙人檢測子組成多 人檢測子，作為最終檢測子；
[0010] 所述測試階段，包括對任一測試圖像，對待檢測區域提取可變模板特征后輸入訓 練階段所得多人檢測子進行分類，判斷是否包含行人。
[0011] 而且，所述測試階段的實現方式為，首先以測試圖像為輸入圖像，分別以輸入圖像 的每個像素為中心建立預設尺寸的局部區域作為待檢測區域，然后提取待檢測區域的可變 模板特征并輸入訓練階段所得多人檢測子進行分類，判斷各待檢測區域是否包含行人。
[0012] 而且，所述測試階段的實現方式為，以測試圖像為輸入圖像，對輸入圖像進行特征 空間的分割；根據分割結果組成選擇性區域，作為待檢測區域；對待檢測區域進行顏色空 間的歸一化；提取待檢測區域的可變模板特征并輸入訓練階段所得多人檢測子進行分類， 判斷各待檢測區域是否包含行人。
[0013] 而且，所述對特征空間的分割，包括在顏色特征空間、紋理特征空間和形狀特征空 間分別進行基層的分割。
[0014] 而且，所述輸入訓練階段所得多人檢測子進行分類，實現如下，
[0015] 如果圖片待檢測區域中行人的個數為n，
[0016]
[0017] 其中，p(c=n)表示行人個數為n時的概率，p(R|znzn,c=n)為多人監測子，推 導過程中的P(R,znln,wn，mn)表示的是行人zni和行人zn在區域R的聯合概率，p(wn|mn) 表示的是行人zni和行人zn的左右關系mn和行人zn的大小wn的條件概率函數，p(mn)表示 行人zni和行人z"左右關系概率值，條件概率函數p(R，zndln，wn，mn)在步驟1. 4所得到的 多人檢測子中計算得到，P(R|zn =n)大于等于預設閾值表示該區域有行人，否則表 示該區域不包含行人。
[0018] 本發明還相應提供一種基于選擇性區域的多行人檢測系統，包括訓練模塊和測試 豐旲塊，
[0019] 所述訓練模塊，用于輸入訓練數據集，所述訓練數據集中樣本圖像包括包含行人 的正樣本及不包含行人的負樣本，所述正樣本包含單人正樣本和有部分遮擋下的雙人正樣 本，負樣本包含單人負樣本和有部分遮擋下的雙人負樣本；根據訓練數據集中各樣本圖像 提取特征，根據所得特征訓練分類器構成多人檢測子，包括以下單元，
[0020] 歸一化單元，用于對輸入的訓練數據集中各樣本圖像進行顏色空間的歸一化；
[0021] 單人檢測子訓練單元，用于訓練單人檢測子，包括對單人正樣本和單人負樣本的 歸一化結果提取可變模板特征后送入SVM分類器，記錄單人正負樣本的差異，訓練單人檢 測子；
[0022] 雙人檢測子訓練單元，用于訓練雙人檢測子，包括對有部分遮擋的雙人正樣本和 部分遮擋的雙人負樣本的歸一化結果提取可變模板特征并送入SVM分類器，記錄有部分遮 擋的雙人正負樣本差異，訓練雙人檢測子；
[0023] 多人檢測子訓練單元，用于由訓練好的單人檢測子和訓練好的雙人檢測子組成多 人檢測子，作為最終檢測子；
[0024] 所述測試模塊，用于對任一測試圖像，對待檢測區域提取可變模板特征后輸入訓 練模塊所得多人檢測子進行分類，判斷是否包含行人。
[0025] 而且，所述測試模塊的實現方式為，首先以測試圖像為輸入圖像，分別以輸入圖像 的每個像素為中心建立預設尺寸的局部區域作為待檢測區域，然后提取待檢測區域的可變 模板特征并輸入訓練模塊所得多人檢測子進行分類，判斷各待檢測區域是否包含行人。
[0026] 而且，所述測試模塊的實現方式為，以測試圖像為輸入圖像，對輸入圖像進行特征 空間的分割；根據分割結果組成選擇性區域，作為待檢測區域；對待檢測區域進行顏色空 間的歸一化；提取待檢測區域的可變模板特征并輸入訓練模塊所得多人檢測子進行分類， 判斷各待檢測區域是否包含行人。
[0027] 而且，所述對特征空間的分割，包括在顏色特征空間、紋理特征空間和形狀特征空 間分別進行基層的分割。
[0028] 而且，所述輸入訓練模塊所得多人檢測子進行分類，實現如下，
[0029] 如果圖片待檢測區域中行人的個數為n，
[0030]
[0031] 其中，p(c=n)表示行人個數為n時的