一种基于光场成像结合LBP与SVM的二维虚假行人识别方法技术

一种基于光场成像结合LBP与SVM的二维虚假行人识别方法，包括如下步骤：①利用光场相机去拍摄大量行人图像和非行人图像，作为实验的正样本和负样本；②通过Lytro Desktop软件得到所拍摄图像的原始2D图像和深度图像；③运用LBP+SVM方法对原始2D图像进行行人ROI区域提取，判断是否是行人；④再次利用LBP+SVM方法对步骤③判断为行人的图像再次识别其深度图像，判断是否为二维虚假行人。本发明专利技术利用光场相机可以获取深度图像的特点来消除由于二维虚假行人造成的误识别。

A two-dimensional false pedestrian recognition method based on optical field imaging combined with LBP and SVM

【技术实现步骤摘要】
一种基于光场成像结合LBP与SVM的二维虚假行人识别方法
本专利技术属于计算机视觉和模式识别领域，特别涉及一种基于光场成像结合LBP与SVM的二维虚假行人识别方法。
技术介绍
识别并定位物体是计算机视觉领域重要的研究内容，作为物体检测的分支，行人识别是一种特殊情况的物体检测。人是一类特殊的物体，其不但具有普遍性而且具有多样化的特殊性。因此，行人识别具有广阔的科研价值与应用前景。行人识别首要就是识别出行人，然而在现实生活中行人在穿着、形态变化、所处背景、光照条件都不尽相同，这对行人识别会产生严峻挑战，并且在生活中广泛存在着二维虚假打印人体照片或者人物海报，这对行人识别是致命的影响，会极大的造成误识别，降低识别准确率。目前，对于二维虚假行人识别普遍采用以下两种方法：1、用到多传感器的组合来进行实现，但多传感器造价昂贵，性价比低并且多传感器存在相互兼容的问题；2、应用结构光来进行二维虚假行人识别，但结构光属于一种侵入式照明，可能会对人体产生不必要的伤害。光场相机作为一种新型相机，有着巨大的发展潜力与广泛的应用前景，截至到目前为止，还没有应用光场相机去做二维虚假行人识别的研究。光场相机机身外形与普通传统相机差不多，但内部结构大有不同。传统相机的工作原理是主镜头捕捉光线，聚焦在镜头后的胶片或感光器上，其中所有的光线总和形成相片上的小点，以显示成像。而光场相机最大的结构特点是在主镜头与感光器之间，有一个布满9万个微型镜片的显微镜阵列，每一个微小透镜阵列接收由主镜而来的光线后，尽管只记录了光线的强度信息，但却因其相对于某个微透镜的位置而记录了光线的方向信息，同时将光线资料转换，以数码方式记下。相机内置软件操作已‘扩大光场’，追踪每条光线在不同距离的影像上的落点，经数码重新对焦后，便能拍出完美照片。并且，光场相机可以保持原有相机的大孔径所带来的增加光度、减少拍照时间及起粒的情况，不用牺牲景深及及影像清晰度。更重要的是，光场相机造价成本低，使用高效、快捷，能同时输出2D图像和深度图像，并且后期应用LytroDesktop软件对图像的处理也方便快捷。
技术实现思路
本专利技术目的在于提供一种基于光场成像结合LBP与SVM的二维虚假行人识别方法，该方法利用光场相机可以获取深度图像的特点来消除由于二维虚假行人造成的误识别。为了实现上述目的，本专利技术的方案是：一种基于光场成像结合LBP与SVM的二维虚假行人识别方法，其特征在于：包括如下步骤：①利用光场相机去拍摄大量行人图像和非行人图像，作为实验的正样本和负样本；②通过LytroDesktop软件得到所拍摄图像的原始2D图像和深度图像；③运用LBP+SVM方法对原始2D图像进行行人ROI区域提取，判断是否是行人；④再次利用LBP+SVM方法对步骤③判断为行人的图像再次识别其深度图像，判断是否为二维虚假行人。上述光场相机采用LYTRO公司生产的第二代Lytro-IIIum相机。上述原始2D图像进行ROI区域提取采用公用INRIA数据集，使用的正样本是经处理的64*128大小的人体图片，使用的负样本是经处理的64*128大小的非人体图片。上述原始2D图像进行ROI区域提取时SVM分类器是OpenCV自带的CvSVM类。本专利技术具有如下的优点和积极效果：1、本专利技术是基于光场成像结合LBP、SVM的二维虚假行人识别方法，可有效地解决传统行人识别方法中对二维虚假行人的误识别。2、本专利技术采用以光场成像技术为背景的光场相机，同时通过运用与相机相搭配的LytroDesktop软件，可以同时得到所拍摄图像的原始2D图像和深度图像，且运用LytroDesktop软件，能在短时间内大量的处理所拍摄的图像。3、本专利技术通过运用传统LBP+SVM方法对原始2D图像提取行人ROI区域，滤除非行人样本，其次，再利用LBP+SVM方法对所提取的ROI区域的深度图像进行再识别，排除二维虚假行人的干扰，得到较高的行人识别成功率。4、本专利技术行人识别所用到的行人数据集是2D图像和深度图像相结合的数据集，且是在不同的实验场景下对不同的人的姿态、高矮、胖瘦，不同的光照下所获取的，具有很强的随机性与适应性。本专利技术运用传统的LBP+SVM方法对原始图像提取行人ROI区域，数据集为经典的INRIA，数据集中的图像包括不同场景下的不同行人，其姿态和穿着大不相同，还包括一些非人样本，具有广泛的代表性。其中，正负样本的图像大小为128*64。而进行行人再识别时，作为实验样本的数据集是运用我们的Lyto-IIIum相机建立。并且，通过归一化得到的图像大小为128*64(原始图像大小为2022*1404)。本专利技术在进行原始2D图像ROI提取时，SVM分类器是OpenCV自带的CvSVM类，核函数为线性核函数，其参数少速度快，对于线性可分数据，其分类效果很理想。而进行行人识别时，SVM分类器是Matlab封装实现的，核函数种类为线性(Linear)核函数，其无论大样本还是小样本都有比较好的性能。5、本专利技术采用以光场成像技术为背景的光场相机作为实验设备，光场相机只包括一个传感器，可以通过一次曝光即可同时获取原始2D图像和深度图像。附图说明图1是本专利技术的工作流程图。具体实施方式一种基于光场成像结合LBP与SVM的二维虚假行人识别方法，包括如下步骤：1、首先利用LYTRO光场相机拍摄大量行人和非行人图像，作为实验的正负样本。2、通过LytroDesktop软件得到所拍摄图像的原始2D图像和深度图像；3、应用LBP+SVM方法进行原始2D图像进行ROI区域提取，大概率滤除非行人图像，得到相应行人图像；原始图像ROI区域提取采用公用INRIA数据集，使用的正样本是经处理的64*128大小的人体图片，使用的负样本是经处理的64*128大小的非人体图片。4、再次利用LBP+SVM方法对步骤3判断为行人的图像再次识别其深度图像，判断是否为二维虚假行人。对深度图像行人识别SVM模型是选取一定比例的正负行人深度图像样本进行训练得到的。正样本589张，负样本261张。5、选取剩余正负行人样本进行测试，得到行人识别的准确率。本专利技术利用虚假行人是二维的特点，获取其深度图像，对深度图像进行行人识别，能显著减少对二维虚假行人的误识别，提高识别准确率。需要说明的是，以上所述仅为本专利技术实施例，仅仅是解释本专利技术，并非因此限制本专利技术专利范围。对属于本专利技术技术构思而仅仅显而易见的改动，同样在本专利技术保护范围之内。本文档来自技高网...

【技术保护点】
1.一种基于光场成像结合LBP与SVM的二维虚假行人识别方法，其特征在于：包括如下步骤：/n①利用光场相机去拍摄大量行人图像和非行人图像，作为实验的正样本和负样本；/n②通过Lytro Desktop软件得到所拍摄图像的原始2D图像和深度图像；/n③运用LBP+SVM方法对原始2D图像进行行人ROI区域提取，判断是否是行人；/n④再次利用LBP+SVM方法对步骤③判断为行人的图像再次识别其深度图像，判断是否为二维虚假行人。/n

【技术特征摘要】
1.一种基于光场成像结合LBP与SVM的二维虚假行人识别方法，其特征在于：包括如下步骤：
①利用光场相机去拍摄大量行人图像和非行人图像，作为实验的正样本和负样本；
②通过LytroDesktop软件得到所拍摄图像的原始2D图像和深度图像；
③运用LBP+SVM方法对原始2D图像进行行人ROI区域提取，判断是否是行人；
④再次利用LBP+SVM方法对步骤③判断为行人的图像再次识别其深度图像，判断是否为二维虚假行人。


2.根据权利要求1所述的一种基于光场成像结合LBP与SVM的二维虚假行人识别方法，其特征在...

【专利技术属性】
技术研发人员：石凡，贾晨，赵萌，赵宇峰，闫静，陈胜勇，
申请(专利权)人：天津理工大学，
类型：发明
国别省市：天津;12