《電子技術應用》
您所在的位置:首頁 > 嵌入式技術 > 設計應用 > 基于感興趣區域特征融合的行人檢測方法研究
基于感興趣區域特征融合的行人檢測方法研究
2015年微型機與應用第18期
彭 寶1,孫韶媛1,梁炳春1,趙海濤2
(1.東華大學 信息科學與技術學院 數字化紡織服裝技術教育部工程研究中心,上海 201620; 2.華東理工大學 信息科學與工程學院,上海 200237)
摘要: 近年來,伴隨著智能車輛的快速發展,行人檢測在車輛輔助駕駛方面越來越受到重視。提出一種二維顯著性紋理算子(Two-dimensional Significant Local Binary Pattern,TS-LBP),該算子能夠反映圖像的紋理特征、顯著性特征同時具有較強的抗噪聲性能。首先提取感興趣的目標區域,再提取目標區域顏色與紋理特征的融合特征對目標進行特征描述,最后采用Adaboost算法訓練得到一個行人分類器對行人進行識別。實驗結果表明,該方法檢測快速準確,具有較好的檢測效果。
Abstract:
Key words :

  摘  要: 近年來,伴隨著智能車輛的快速發展,行人檢測在車輛輔助駕駛方面越來越受到重視。提出一種二維顯著性紋理算子(Two-dimensional Significant Local Binary Pattern,TS-LBP),該算子能夠反映圖像的紋理特征、顯著性特征同時具有較強的抗噪聲性能。首先提取感興趣的目標區域,再提取目標區域顏色與紋理特征的融合特征對目標進行特征描述,最后采用Adaboost算法訓練得到一個行人分類器對行人進行識別。實驗結果表明,該方法檢測快速準確,具有較好的檢測效果。

  關鍵詞: 行人檢測;感興趣區域顏色特征;紋理特征;特征融合

0 引言

  行人檢測在車輛輔助駕駛系統中具有重要的應用價值。隨著全球機動車輛的快速增長,交通事故也逐年上升,而大部分是由于車輛未及時采取避讓措施造成車輛與行人的碰撞。因此,對行人進行檢測,對有可能發生碰撞的行人提前做出預警將會很大程度上減少交通事故的發生。然而,行人檢測一直是一個有難度、富有挑戰性的課題[1]。

  在過去的一段時間內,許多學者提出了多種行人檢測方法。如基于運動信息的方法[2]、基于模板匹配的方法[3]等,但是都不能夠取得較好的檢測效果。VIOLA P等人[4]采用級聯AdaBoost學習算法對人臉進行檢測,后來被應用到行人檢測上,取得了不錯的檢測效果;DALAL N等人[5]提出了梯度方向直方圖(Histogram of Oriented Gradient,HOG)特征能夠高效刻畫出人體的邊緣特征,是目前廣泛使用的行人特征描述子,但是其維度過高、計算速度較慢,因此不能滿足車載檢測實時性的要求;WALK S等人[6]提出了顏色自相似性(Color Self-Similarity,CSS)特征的行人檢測方法,因其包含較多冗余信息,不能得到較滿意的效果。

1 本文檢測方法

  本文提出了一種在感興趣行人區域的基礎上將顏色特征與紋理特征相融合的算法,該算法具有特征維數少,計算速度快的優點。該算法主要包括訓練部分和檢測部分,算法框架如圖1所示。

001.jpg

  在車載視頻圖像中存在著大量的非行人區域,可先確定行人可能存在的感興趣區域,再對感興趣區域的目標進行重點檢測,避免全局掃描圖像而消耗過多時間。行人不管是站立還是行走,其垂直方向都具有很強的對稱性[7]。可以利用這個特征,粗提取行人有可能存在的感興趣區域。采用式(1)來計算圖像每列的邊緣對稱性。

  1.png

  其中,wmin、wmax為垂直邊緣點的搜索范圍,Sv(k)為對應第k列的對稱性測度,數值越大表示圖像越以k為對稱中心。參考文獻[8]通過統計得出行人寬高比的平均值為0.4,可適當放寬比值,提取出更多的候檢區域,避免漏檢,同時可以排除大量的非行人區域。

2 行人識別

  2.1 顏色特征提取

  顏色特征因其具有計算簡單、易于提取等優點而在圖像處理方面被廣泛使用。HSV(Hue、Saturation、Value)對光線變化具有較強的適應能力。因此,首先按式(2)將輸入的圖像從RGB顏色空間轉換到HSV顏色空間中。根據人體視覺對顏色的感知特性對顏色進行非均勻量化,從而將HSV顏色空間量化為72維直方圖特征向量。

  2.png

  v=max

  2.2 紋理特征提取

  局部二值模式(Local Binary Pattern,LBP)是由OJALA T等人[9]提出的用于提取圖像局部紋理特征的算子。以3×3模板為例,按照式(3)即可以求得該窗口中心像素點的LBP值。LBP算子示意圖如圖2所示。

002.jpg

  3.png

  在統計LBP直方圖時維數太多且具有較多冗余。CS-LBP(Center-Symmetric Local Binary Pattern)具有中心對稱特性,同時能夠對LBP起到降維的作用。CS-LBP算子計算公式如式(4),算子示意圖如圖3所示。

003.jpg

  4.png

  CS-LBP能夠對圖像進行降維,但對噪聲的抗干擾性能不足。為了提高算法的魯棒性,本文提出了帶有噪聲門限T的CS-LBP紋理特征如式(5)所示。

  5.png

  帶有噪聲門限的CS-LBP的紋理特征具有傳統LBP的灰度不變性、旋轉不變性,同時具有對稱型、較好的抗噪聲性能。為了能夠較好地反映圖像的顯著性特征,本文提出帶有閾值的顯著性算子(Local Significant Texture operator,LST)使得對像素灰度值有更好的適應性,算子表示如式(6)所示。

  6.png

  將帶有噪聲門限的CS-LBP特征與帶有閾值的顯著性算子LST相結合,構成本文二維顯著性紋理算子(Two-dimensional Significant Local Binary Pattern,TS-LBP)如式(7)所示。用此算子表示圖像的紋理特征既能反映圖形的紋理結構,又能顯示其局部顯著性特征,同時具有較好的抗噪聲性能。

 7.png

  2.3 特征融合

  首先按式(2)提取圖像感興趣區域的顏色直方圖,再按式(7)提取感興趣目標區域紋理直方圖,將兩種特征融合在一起形成融合特征直方圖,如圖4所示。融合后的特征能夠反映目標區域的紋理特征、顯著性特征以及顏色特征,同時具有較好的抗噪聲性能。

004.jpg

  2.4 Adaboost算法介紹

  Adaboost算法是一種迭代算法[10],其核心思想是用同一個訓練集通過訓練得到分類性能一般的弱分類器,把這些弱分類器級聯,構成一個分類性能更好的強分類器,由此利用強分類器來對行人進行分類。算法的流程如下:

  (1)給定訓練集:F={(x1,y1),…,(xN,yN)},其中yi∈{0,1};

  (2)訓練樣本的初始分布:1.jpg

  (3)for t=1,…,T,計算弱分類器ht:X→{0,1}在分布Dt上的誤差為:εt=P(ht(xi)≠yi),計算該弱分類器的權重:2.jpg

  (4)更新訓練樣本的分布:3.png,其中Zt為歸一化常數;

  (5)最后的強分類器為:4.jpg

3 實驗結果及分析

  本文實驗采用的數據來源于INRIA行人數據庫、MIT數據庫和自行拍攝裁剪的照片。其中訓練集包含 2 416幅行人圖像、4 132幅非行人圖像。測試集包含  1 236幅行人圖像、1 039幅非行人圖像。實驗在MATLABR2008a上實現,Window XP操作系統,計算機環境配置為2.5 GHz CPU 和2 GB內存。在INRIA數據庫提供的行人測試樣本上進行檢測實驗。為了比較本算法的檢測性能,在相同環境下實現參考文獻[7]的檢測算法,兩種算法比較結果如表1所示。本文檢測算法比參考文獻[7]算法檢測率更高,并且采取只對感興趣區域的行人進行檢測,因而大大減少了檢測所用時間。部分檢測效果如圖5所示。其中圖5(a)表示在相似的環境背景下對行人進行檢測識別,可以看出本文檢測算法對行人的區分能力強,對行人有較好的識別能力,但是由于光照和相似背景的干擾會出現“誤檢”的情況;圖5(b)表示在不同環境、不同背景下對行人進行檢測識別,可以看出本文檢測算法在復雜背景下同樣能夠對行人有較好的識別,但是由于人群密度過大、人群遮擋等原因會出現“漏檢”的情況。

005.jpg

4 結論

  本文提出了一種基于感興趣區域內顏色特征和顯著性紋理特征相融合的行人檢測算法,并通過Adaboost分類器進行行人檢測實驗。這種檢測算法避免了對整幅圖像進行全局掃描,運行速度快,魯棒性高,且在INRIA行人庫上取得了比較滿意的結果。但是,在夜間、雨天以及光照劇烈、行人密度過大的環境下檢測結果不是很理想,在后續會進一步改進和完善。

  參考文獻

  [1] 張春鳳,宋加濤,王萬良.行人檢測技術研究綜述[J].電視技術,2014,38(3):157-162.

  [2] 賀琴,潘建壽,劉繼艷,等.攝像機運動下基于背景匹配的運動目標檢測[J].計算機工程與應用,2010,46(24):179-181.

  [3] 周晨卉,王生進,丁曉青.基于局部特征級聯分類器和模板匹配的行人檢測[J].中國圖象圖形學報,2010,15(5):824-829.

  [4] VIOLA P, JONES M. Robust real-time face detection. IJCV[J]. International Journal of Computer Vision, 2004, 57(2):137-154.

  [5] DALAL N, TRIGGS B. Histograms of oriented gradients for human detection[C]. IEEE Computer Society Conference on Computer Vision and Pattern Recognition, CVPR 2005, IEEE, 2005:886-893.

  [6] WALK S, MAJER N, SCHINDLER K, et al. New features and insights for pedestrian detection[J]. IEEE Conference on Computer Vision and Pattern Recognition, 2010, 119(5):1030-1037.

  [7] 岳求生,周書仁,李峰,等.HSV與LBP特征融合的行人檢測方法研究[J].計算機工程與科學,2014,36(10):1997-2001.

  [8] 郭烈,王榮本,金立生,等.基于邊緣對稱性的車輛前方行人檢測方法研究[J].交通信息與安全,2007,25(1):40-43.

  [9] OJALA T, PIETIK?魧INEN M, MENP T. Gray scale and rotation invariant texture classification with local binary patterns[J]. Proceedings of the Sixth European Conference On Computer Vision, 2000,24(7):404-420.

  [10] 楊英,劉衛國,鐘令,等.基于AdaBoost行人檢測優化算法的研究[J].機電工程,2014,31(10):1347-1350.


此內容為AET網站原創,未經授權禁止轉載。
亚洲一区二区欧美_亚洲丝袜一区_99re亚洲国产精品_日韩亚洲一区二区
欧美日韩中文字幕在线视频| 性色av一区二区三区在线观看 | 亚洲香蕉网站| 亚洲免费激情| 日韩亚洲不卡在线| 亚洲精品中文字幕女同| 亚洲欧洲日本国产| 91久久精品国产91久久| 亚洲国产精品嫩草影院| 亚洲国产天堂久久综合| 亚洲国产美女| 亚洲国语精品自产拍在线观看| 久久精品动漫| 亚洲国产欧美一区二区三区丁香婷| 久久精品亚洲| 亚洲精品国产精品国自产在线| 亚洲三级影院| av不卡在线| 亚洲一区精彩视频| 亚洲欧美中文日韩在线| 欧美一区二区在线看| 久久国产精品久久w女人spa| 久久精品午夜| 欧美成人tv| 欧美日本在线| 国产精品人人做人人爽人人添| 国产农村妇女精品一二区| 国产真实乱偷精品视频免| 娇妻被交换粗又大又硬视频欧美| 在线精品亚洲| 99re8这里有精品热视频免费| 99精品视频一区| 新67194成人永久网站| 欧美在线一区二区| 亚洲激情综合| 亚洲一区在线观看视频| 欧美在线视频二区| 久久久久久久久伊人| 欧美国产日韩一区二区在线观看| 欧美日韩视频一区二区三区| 国产精品欧美精品| 国产视频不卡| 一区二区三区在线免费观看| 亚洲精品一二三区| 亚洲欧美中文字幕| 亚洲国产一区二区三区a毛片| 夜夜爽夜夜爽精品视频| 亚洲欧美一区在线| 久久天天躁狠狠躁夜夜爽蜜月| 欧美激情视频网站| 国产精品影片在线观看| 尤妮丝一区二区裸体视频| 亚洲精品一区二区网址| 午夜精品久久久久久久99黑人| 亚洲国产视频一区二区| 亚洲一区二区成人在线观看| 久久精品亚洲精品国产欧美kt∨| 欧美精品一区二区视频| 国产免费一区二区三区香蕉精| 亚洲电影免费观看高清| 亚洲一区中文| 亚洲精品视频在线观看网站| 欧美亚洲视频在线观看| 欧美大片91| 国产欧美日韩精品一区| 91久久嫩草影院一区二区| 亚洲愉拍自拍另类高清精品| 亚洲精品1区| 欧美一区二区三区在线播放| 欧美黄污视频| 国产综合自拍| 亚洲一区成人| 99re6热只有精品免费观看 | 亚洲高清在线| 午夜激情久久久| 欧美大片91| 国内外成人在线| 亚洲一区三区电影在线观看| 亚洲精品在线免费| 久久青草久久| 国产精品视频网| 亚洲看片网站| 亚洲黄色毛片| 久久精品久久99精品久久| 欧美深夜福利| 亚洲激情视频| 亚洲成人自拍视频| 欧美在线观看网站| 国产精品国产a级| 亚洲精品国产视频| 亚洲欧洲一区二区在线观看| 久久精品日韩| 国产精品永久| 亚洲天堂成人在线观看| 夜夜嗨网站十八久久| 免费日本视频一区| 国产一区二区高清不卡| 亚洲一区综合| 亚洲综合大片69999| 欧美另类视频| 亚洲日韩中文字幕在线播放| 91久久在线| 免费久久精品视频| 国精品一区二区| 性色一区二区| 久久国产福利国产秒拍| 国产精品婷婷| 亚洲欧美亚洲| 久久精品2019中文字幕| 国产精品日韩欧美一区| 亚洲图片在线观看| 亚洲校园激情| 国产精品扒开腿做爽爽爽视频| 日韩小视频在线观看专区| aⅴ色国产欧美| 欧美理论电影在线观看| 亚洲三级观看| 亚洲图片欧美一区| 欧美午夜精品久久久| 一区二区三区不卡视频在线观看 | 亚洲在线观看免费| 国产精品a久久久久| 国产精品99久久久久久久久| 亚洲一区精彩视频| 国产精品免费一区二区三区观看| 中文日韩欧美| 午夜精彩视频在线观看不卡| 国产精品久久久久久久久久免费 | 欧美一区二区三区免费视频| 欧美在线观看视频一区二区| 国产日韩视频| 亚洲国产成人在线视频| 免费在线播放第一区高清av| 亚洲精华国产欧美| 亚洲性视频h| 国产精品日韩精品欧美在线| 午夜一区二区三区在线观看| 久久精品国产欧美亚洲人人爽| 黄色亚洲网站| 亚洲乱码国产乱码精品精| 欧美日韩一区精品| 亚洲视屏在线播放| 久久精品夜色噜噜亚洲aⅴ| 尤物yw午夜国产精品视频明星| 亚洲精品字幕| 欧美日韩在线观看一区二区三区| 亚洲视频综合| 久久久久青草大香线综合精品| 精品不卡视频| 一本色道久久综合亚洲二区三区| 国产精品久久中文| 久久av一区| 欧美黄色成人网| 国产精品99久久久久久久vr| 久久精品国产视频| 亚洲国产一区二区三区青草影视| 亚洲一区二区三区成人在线视频精品| 国产精品一二三四区| 久久国产综合精品| 欧美日本在线| 性欧美在线看片a免费观看| 欧美搞黄网站| 亚洲尤物在线视频观看| 狼人社综合社区| 一级日韩一区在线观看| 久久精品盗摄| 亚洲人精品午夜在线观看| 午夜国产不卡在线观看视频| 一区视频在线| 亚洲专区在线视频| 狠狠色狠狠色综合日日tαg| 一区二区三区欧美在线观看| 国产欧美va欧美va香蕉在| 亚洲精品国精品久久99热一| 国产精品午夜在线| 亚洲九九精品| 国产日韩亚洲欧美| 中国成人黄色视屏| 伊人激情综合| 亚洲欧美经典视频| 亚洲国产另类精品专区| 欧美一区二区网站| 亚洲精品久久久久久下一站| 久久精品视频免费观看| 99视频热这里只有精品免费| 久热这里只精品99re8久| 一区二区高清视频在线观看| 久久综合伊人77777蜜臀| 亚洲午夜久久久| 欧美国产高清| 欧美专区在线观看一区| 欧美视频一区二区三区四区| 亚洲激情一区二区| 国产日韩精品综合网站| 中文日韩在线视频| 亚洲黄色有码视频| 久久婷婷国产麻豆91天堂| 亚洲欧美bt| 欧美涩涩网站| 一本到高清视频免费精品|