【技术实现步骤摘要】
本专利技术涉及智能交通系统中的智能车辆技术,尤其是一种基于小波分形特 征的行人检测方法。
技术介绍
目标检测是机器视觉研究的重要内容,在视频监控,移动机器人,智能车 辆等领域中得到广泛的应用。由于行人外表,姿势以及光照强度的组合千变万 化,导致行人检测成为视觉目标检测中最为复杂的问题之一。现有的行人检测方法在过程上可归结为两个主要的处理步骤,即特征提取 和目标检测。目标检测步骤的主要任务是将特征提取步骤构造出来的目标特征, 用于分类器训练,从而对新的测试样本做出判别。因此,特征提取方法对行人 检测的效果有着重要的影响。特征提取根据特征表达的方式,又可分为稀疏表 达和稠密表达两类。稀疏表达法通过某种关键特征提取算法,将目标区域中的 兴趣点提取出来,组成目标的稀疏特征表达模式。例如尺度不变特征变换 (Scale-invariant feature transform, SIFT)禾Q主成分分析(Principal Component Analysis, PCA)。使用这些特征表达方式提取的目标特征具有表达简洁的优点, 但在描述复杂模式时,其特征向量所包含的信息不利于分类器训练,因而在行 人检测领域的应用效果不佳。而稠密表达是对给定区域进行逐点扫描,提取出 目标区域的稠密特征表达模式。典型的有哈尔特征和梯度方向直方图 (Histograms of Oriented Gradient, HOG)等。这些提取方法提取的目标特征包含的 信息量大,有利于分类器训练,但特征向量维数过高。以HOG方法为例,64X 128大小的图像将产生至少4096维的特征向量,若采用哈尔 ...
【技术保护点】
一种基于小波分形特征的行人检测方法,其特征是,该方法包括以下步骤: (1)、读入训练样本集,样本集合包括分类器训练的完整行人图像和不包含行人的自然场景图像,将所有样本图像规格化到48×96像素大小,其中训练样本图像为灰度图像; (2)、对样本图像f(x,y)进行3次二维小波变换,得到3层小波分解后的12个子图,各层对应的尺度分别是2×2、4×4、8×8,取其中尺度为4×4、8×8两层中的6个小波子图,即 {f↓[2]↑[H],f↓[2]↑[V],f↓[2]↑ [D],f↓[3]↑[H],f↓[3]↑[V],f↓[3]↑[D]} 其中,f(x,y)为图像灰度值,(x,y)为像素坐标,f的上标A、V、D、H为二维小波分解子空间包含的各子图,分别对应LL子图、LH子图、HL子图和HH子图,f的下 标代表分解层数; (3)、对步骤(2)得到各小波子图分别取绝对值后再进行适当的拉伸和缩放变换,使其取值范围统一映射到0~255; (4)、对步骤(3)处理后的小波子图分别求取分形维数向量,令尺度ε=1,2,3,...,n,n取2 ~1 ...
【技术特征摘要】
1.一种基于小波分形特征的行人检测方法,其特征是,该方法包括以下步骤(1)、读入训练样本集,样本集合包括分类器训练的完整行人图像和不包含行人的自然场景图像,将所有样本图像规格化到48×96像素大小,其中训练样本图像为灰度图像;(2)、对样本图像f(x,y)进行3次二维小波变换,得到3层小波分解后的12个子图,各层对应的尺度分别是2×2、4×4、8×8,取其中尺度为4×4、8×8两层中的6个小波子图,即{f2H,f2V,f2D,f3H,f3V,f3D}其中,f(x,y)为图像灰度值,(x,y)为像素坐标,f的上标A、V、D、H为二维小波分解子空间包含的各子图,分别对应LL子图、LH子图、HL子图和HH子图,f的下标代表分解层数;(3)、对步骤(2)得到各小波子图分别取绝对值后再进行适当的拉伸和缩放变换,使其取值范围统一映射到0~255;(4)、对步骤(3)处理后的小波子图分别求取分形维数向量,令尺度ε=1,2,3,...,n,n取2~100中的正整数,按照下式依次求得D1,D2,...,Dn-1,即分形维数向量,<maths id=math0001 num=0001 ><math><![CDATA[ <mrow><msub> <mi>D</mi> <mi>k</mi></msub><mo>=</mo><mn>2</mn><mo>-</mo><mfrac> <mrow><mi>ln</mi><mi>A</mi><mrow> <mo>(</mo> <msub><mi>ϵ</mi><mi>k</mi> </msub> <mo>)</mo></mrow><mo>-</mo><mi>ln</mi><mi>A</mi><mrow> <mo>(</mo> <msub><mi>ϵ</mi><mrow> <mi>k</mi> <mo>+</mo> <mn>1</mn></mrow> </msub> <mo>)</mo></mrow> </mrow> <mrow><mi>ln</mi><msub> <mi>ϵ</mi> <mi>k</mi></msub><mo>-</mo><mi>ln</mi><msub> <mi>ϵ</mi> <mrow><mi>k</mi><mo>+</mo><mn>1</mn> </mrow></msub> </mrow></mfrac> </mrow>]]></math></maths><maths id=math0002 num=0002 ><math><![CDATA[ <mrow><mi>A</mi><mrow> <mo>(</mo> <msub><mi>ϵ</mi><mi>k</mi> </msub> <mo>)</mo></mrow><mo>=</mo><mfrac> <mrow><msub> <mi>V</mi> <msub><mi>ϵ</mi><mi>k</mi> </msub></msub><mo>-</mo><msub> <mi>V</mi> <msub><mi>ϵ</mi><mrow> <mi>k</mi> <mo>-</mo> <mn>1</mn></mrow> </msub></msub> </mrow> <mn>2</mn></mfrac> </mrow>]]></math></maths><maths id=math0003 num=0003 ><math><![CDATA[ <mrow><msub> <mi>V</mi> <mi>ϵ</mi></msub><mo>=</mo><munder> <mi>Σ</mi> <mrow><mi>i</mi><mo>,</mo><mi>j</mi> </mrow></munder><mrow> <mo>(</mo> <msub><mi>u</mi><mi>ϵ</mi> </msub> <mrow><mo>(</mo><mi>i</mi><mo>,</mo><mi>j</mi><mo>)</mo> </mrow> <mo>-</mo> <msub><mi>b</mi><mi>ϵ</mi> </msub> <mrow><mo>(</mo><mi>i</mi><mo>,</mo><mi>j</mi><mo>)</mo> </mrow> <mo>)</mo></mrow> </mrow>]]></math></maths><maths id=math0004 num=0004 ><math><![CDATA[ <mrow><msub> <mi>u</mi&...
【专利技术属性】
技术研发人员:李舜酩,沈峘,毛建国,柏芳超,缪小冬,
申请(专利权)人:南京航空航天大学,
类型:发明
国别省市:84[中国|南京]
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。