一种基于RGBD的行人检测和身份识别方法及系统技术方案

本发明专利技术公开了一种基于RGBD的行人检测和身份识别方法及系统，所述方法包括：输入RGBD图像，对所述RGBD图像进行预处理；构建所述RGBD图像的多通道特征和尺度列表；根据所述多通道特征，训练得到检测分类器；采用所述检测分类器，根据所述尺度列表，对行人进行检测和身份识别。本发明专利技术基于RGBD多通道特征的融合，使得对行人的检测和身份的识别，鲁棒性和准确性更高，应用场景更广。

Method and system for pedestrian detection and identity identification based on RGBD

The invention discloses a RGBD pedestrian detection and identification method and system based on the method includes: input RGBD image, the RGBD image preprocessing; multi channel features and scale list construct the RGBD image; according to the characteristics of multi channel, trained by the classifier; detection of classifier, according to the scale of the list, detection and identification of pedestrians. The invention is based on the fusion of RGBD multi-channel features, so that the detection and identification of pedestrians are more robust and accurate, and the application scene is wider.

【技术实现步骤摘要】
一种基于RGBD的行人检测和身份识别方法及系统
本专利技术涉及图像处理
，尤其涉及一种行人检测和身份识别方法及系统。
技术介绍
行人检测是指通过图像处理及模式识别等算法对视频或静态图像中所包含的行人具体位置进行检测。作为目标检测的一个重要方向，行人检测技术在家居服务机器人、智能监控、智能交通、辅助驾驶等方面有着广泛的应用前景。与普通的物体检测相比，行人的非刚体性和多样性等特点大大提高了有效检测行人的难度。目前行人检测可以分为两类：1)基于背景建模的方法：分割出前景，提取其中的运动目标，然后进一步提取特征，分类判别；2)基于统计学习的方法，根据大量训练样本构建行人检测分类器。第一种方法在下雨、下雪、刮风、树叶晃动、灯光忽明忽暗等场合下，抗干扰能力较差，鲁棒性不高。第二种方法存在以下问题：由于行人的姿态、服饰各不相同，使得分类器的性能受训练样本的影响较大，所涵盖的应用场景有限。行人身份识别是指将检测出来的行人的特征进行分析，判断是否属于某一个行人，达到识别该行人身份的目的。目前行人身份识别，主要是通过提取具有一定鉴别性的特征，来对行人进行识别。但该方法只能利用行人的外貌特征来进行识别，而无法使用脸部的有效信息；另外，由于尺度、光照和角度的变化，同一个行人的不同图片中，外貌特征会有一定程度的变化，不同行人的外貌特征可能比同一个人的外貌特征更相似，从而在识别的过程中影响准确性，容易混淆。
技术实现思路
针对现有技术中的缺陷，本专利技术提供一种基于RGBD的行人检测和身份识别方法及系统，能够基于RGBD多通道特征的融合，使得对行人的检测和身份的识别，鲁棒性和准确性更高，应用场景更广。第一方面，本专利技术提供了一种基于RGBD的行人检测和身份识别方法，所述方法包括：输入RGBD图像，对所述RGBD图像进行预处理；其中，所述RGBD图像包括彩色图像和深度图像；构建所述RGBD图像的多通道特征和尺度列表；根据所述多通道特征，训练得到检测分类器；采用所述检测分类器，根据所述尺度列表，对行人进行检测和身份识别。进一步地，所述多通道特征包括：RGB多通道特征，深度多通道特征；所述构建所述RGBD图像的多通道特征，具体包括：构建RGB多通道特征，以及构建深度多通道特征。进一步地，所述构建RGB多通道特征，具体包括：将RGB颜色空间转换为LUV颜色空间；在所述LUV颜色空间中，计算梯度幅值和梯度方向；将所述梯度方向进行量化，根据所述梯度幅值和量化后的所述梯度方向，计算所述梯度方向直方图的方向通道。进一步地，所述在所述LUV颜色空间中，计算梯度幅值和梯度方向，具体包括：估算所述彩色图像的彩色像素点处的水平方向梯度和垂直方向梯度；根据所述水平方向梯度和所述垂直方向梯度，计算所述彩色像素点处的梯度幅值和梯度方向。进一步地，根据所述水平方向梯度和所述垂直方向梯度，计算所述彩色像素点处的梯度幅值和梯度方向，具体包括：根据所述水平方向梯度和所述垂直方向梯度，计算所述彩色像素点处的LUV三通道的第一梯度幅值；选取多个第一梯度幅值中的最大值，作为所述像素点处的梯度幅值；根据所述最大值对应的所述水平方向梯度和所述垂直方向梯度，计算相应的梯度方向，作为所述像素点处的梯度方向。进一步地，所述构建深度多通道特征，具体包括：计算所述深度图像的深度像素点处的水平方向梯度和垂直方向梯度；根据所述深度像素点处的水平方向梯度和垂直方向梯度，计算所述深度像素点处的深度梯度幅值和深度梯度方向；计算所述深度法向量方向。进一步地，所述构建所述RGBD图像的尺度列表，具体包括：计算所述深度图像每个像素点对应的尺度，对所述尺度进行量化；量化后的多个所述尺度构成尺度列表。进一步地，根据所述多通道特征，训练得到检测分类器，具体包括：采集多个多通道特征作为训练样本；采用AdaBoost分类器对所述训练样本进行训练，得到检测分类器；其中，所述AdaBoost分类器为多个弱分类器级联而成。进一步地，所述采用所述检测分类器，根据所述尺度列表，对行人进行检测和身份识别，具体包括：采用所述检测分类器，搜索所述尺度列表对应的尺度空间，得到包含行人信息的行人框图；在所述行人框图中，搜索包含行人ID的二维码；根据所述二维码，识别行人的身份。第二方面，本专利技术还提供了一种基于RGBD的行人检测和身份识别系统，所述系统包括：输入模块，特征构建模块，训练模块，检测识别模块；其中，所述输入模块与所述特征构建模块连接，所述特征构建模块与所述训练模块连接，所述训练模块与所述检测识别模块连接；所述输入模块，用于输入RGBD图像，对所述RGBD图像进行预处理；所述特征构建模块，用于构建所述RGBD图像的多通道特征和尺度列表；所述训练模块，用于根据所述多通道特征，训练得到检测分类器；所述检测识别模块，用于采用所述检测分类器，根据所述尺度列表，对行人进行检测和身份识别。由上述技术方案可知，本专利技术提供一种基于RGBD的行人检测和身份识别方法及系统，能够基于RGBD多通道特征的融合，使得对行人的检测和身份的识别，鲁棒性和准确性更高，应用场景更广。附图说明图1为本专利技术提供的行人检测和身份识别方法的流程示意图。图2为本专利技术提供的行人检测和身份识别系统的结构示意图。具体实施方式下面将结合附图对本专利技术技术方案的实施例进行详细的描述。以下实施例仅用于更加清楚地说明本专利技术的技术方案，因此只是作为示例，而不能以此来限制本专利技术的保护范围。实施例一图1示出了本专利技术实施例一提供的基于RGBD的行人检测和身份识别方法的流程示意图。如图1所示，所述方法包括：步骤S1，输入RGBD图像，对所述RGBD图像进行预处理；步骤S2，构建所述RGBD图像的多通道特征和尺度列表；步骤S3，根据所述多通道特征和所述尺度列表，训练得到检测分类器；步骤S4，采用所述检测分类器，对行人进行检测和身份识别。本专利技术实例一的具体技术方案为：步骤S1，输入RGBD图像，对所述RGBD图像进行预处理。所述RGBD图像包括两种类别：彩色图像和深度图像，其中彩色图像也称为RGB图像或彩色图像。对于RGB图像，在预处理步骤中，根据实际情况使用合适的滤波去除其噪声；对于深度图像，在人体边界、反光地面和远距离等一些情况会产生无效区域，在预处理步骤中，将这些没有深度值的区域像素值设为0，把0当做数据缺失，对图像缺失部分进行模板的最邻近插值。步骤S2，构建所述RGBD图像的多通道特征和尺度列表。其中，所述多通道特征包括RGB多通道特征和深度多通道特征；对应地，构建所述RGBD图像的多通道特征，具体包括：构建所述RGBD图像的RGB多通道特征和深度多通道特征。本专利技术实施例所涉及的RGB多通道由LUV三通道、梯度幅值、梯度方向直方图的六个通道构成。RGB颜色空间是一种非均匀的颜色空间，即相等的颜色差别在彩色图像中并不对应相等的距离.相比RGB颜色空间，LUV颜色空间各分量相关性小，更适于进行图像处理。因此，优选地，所述构建所述RGBD图像的RGB多通道特征，具体包括：将RGB颜色空间转换为LUV颜色空间；在所述LUV颜色空间中，计算RGB多通道的梯度幅值和梯度方向；将所述梯度方向进行量化，根据所述梯度幅值和量化后的所述梯度方向，计算所述梯度方向直方图的方向通道。其中，将RGB颜色空间转本文档来自技高网...

【技术保护点】
一种基于RGBD的行人检测和身份识别方法，其特征在于，所述方法包括：输入RGBD图像，对所述RGBD图像进行预处理；其中，所述RGBD图像包括彩色图像和深度图像；构建所述RGBD图像的多通道特征和尺度列表；根据所述多通道特征，训练得到检测分类器；采用所述检测分类器，根据所述尺度列表，对行人进行检测和身份识别。

【技术特征摘要】
1.一种基于RGBD的行人检测和身份识别方法，其特征在于，所述方法包括：输入RGBD图像，对所述RGBD图像进行预处理；其中，所述RGBD图像包括彩色图像和深度图像；构建所述RGBD图像的多通道特征和尺度列表；根据所述多通道特征，训练得到检测分类器；采用所述检测分类器，根据所述尺度列表，对行人进行检测和身份识别。2.根据权利要求1所述的行人检测和身份识别方法，其特征在于，所述多通道特征包括：RGB多通道特征，深度多通道特征；所述构建所述RGBD图像的多通道特征，具体包括：构建RGB多通道特征，以及构建深度多通道特征。3.根据权利要求2所述的行人检测和身份识别方法，其特征在于，所述构建RGB多通道特征，具体包括：将RGB颜色空间转换为LUV颜色空间；在所述LUV颜色空间中，计算梯度幅值和梯度方向；将所述梯度方向进行量化，根据所述梯度幅值和量化后的所述梯度方向，计算所述梯度方向直方图的方向通道。4.根据权利要求3所述的行人检测和身份识别方法，其特征在于，所述在所述LUV颜色空间中，计算梯度幅值和梯度方向，具体包括：估算所述彩色图像的彩色像素点处的水平方向梯度和垂直方向梯度；根据所述水平方向梯度和所述垂直方向梯度，计算所述彩色像素点处的梯度幅值和梯度方向。5.根据权利要求4所述的行人检测和身份识别方法，其特征在于，根据所述水平方向梯度和所述垂直方向梯度，计算所述彩色像素点处的梯度幅值和梯度方向，具体包括：根据所述水平方向梯度和所述垂直方向梯度，计算所述彩色像素点处的LUV三通道的第一梯度幅值；选取多个第一梯度幅值中的最大值，作为所述像素点处的梯度幅值；根据所述最大值对应的所述水平方向梯度和所述垂直方向梯度，计算相应的梯度方向，作为所述像素点处的梯度方向。6.根据权利要求2所述的行人检测和身...

【专利技术属性】
技术研发人员：张绍明，
申请(专利权)人：杭州司兰木科技有限公司，
类型：发明
国别省市：浙江,33