專利名稱：一種行人檢測方法、系統(tǒng)及裝置的制作方法
技術(shù)領(lǐng)域：
本發(fā)明屬于圖像處理技術(shù)領(lǐng)域，尤其涉及一種行人檢測方法、系統(tǒng)及裝置。
背景技術(shù)：
行人檢測是物體檢測的重要分支，是近年來計算機視覺領(lǐng)域備受關(guān)注的前沿方向和研究熱點。在視頻監(jiān)控、汽車安全系統(tǒng)、購物行為分析等領(lǐng)域有著重要的應(yīng)用。然而，由于人體固有的一些特性，應(yīng)用場景的復(fù)雜性，人與人或人與環(huán)境之間的相互影響，使得人體的檢測和跟蹤成為計算機視覺研究領(lǐng)域中研究的難點?，F(xiàn)有行人檢測系統(tǒng)在檢測被遮擋的行人和未被遮擋的行人時，無法根據(jù)行人是否被遮擋采取自適應(yīng)的檢測方式進(jìn)行行人的檢測，使得其檢測性能受到較大的影響，檢測效果比較差。

發(fā)明內(nèi)容
本發(fā)明實施例的目的在于提供一種行人檢測方法、系統(tǒng)及裝置，旨在解決由于現(xiàn)有行人檢測系統(tǒng)無法根據(jù)行人是否被遮擋采取自適應(yīng)的檢測方式進(jìn)行行人的檢測，使得其檢測性能受到較大的影響，檢測效果比較差的問題。本發(fā)明實施例是這樣實現(xiàn)的，一種行人檢測方法，所述方法包括下述步驟接收輸入的圖像數(shù)據(jù)，獲取圖像數(shù)據(jù)的特征向量；根據(jù)公式d(x) = lg((exp(a*f(x))+exp(a*g(x)))/a)計算輸入的圖像數(shù)據(jù)的特征值d(x)，其中f (χ) = w.x,g(x) =11^，《和11為預(yù)設(shè)的向量常數(shù)，a為預(yù)設(shè)的常數(shù)，·為向量點積運算符號，χ為獲取的圖像數(shù)據(jù)的特征向量；將計算得到的圖像數(shù)據(jù)的特征值與預(yù)設(shè)的閾值進(jìn)行比較，輸出所述運動物體是否為行人的信息。本發(fā)明實施例的另一目的在于提供一種行人檢測系統(tǒng)，所述系統(tǒng)包括特征向量獲取單元，用于接收輸入的圖像數(shù)據(jù)，獲取圖像數(shù)據(jù)的特征向量；特征值計算單元，用于根據(jù)公式d(x) = lg((exp(a*f(x))+exp(a*g(x)))/a)計算輸入的圖像數(shù)據(jù)的特征值d(x)，其中f(X) = W.x,g(x) =1!^，《和1!為預(yù)設(shè)的向量常數(shù)， a為預(yù)設(shè)的常數(shù)，·為向量點積運算符號，X為獲取的圖像數(shù)據(jù)的特征向量；以及信息輸出單元，用于將計算得到的圖像數(shù)據(jù)的特征值與預(yù)設(shè)的閾值進(jìn)行比較，輸出所述運動物體是否為行人的信息。本發(fā)明實施例的另一目的在于提供一種包括上述行人檢測系統(tǒng)的行人檢測裝置。本發(fā)明實施例通過接收輸入的圖像數(shù)據(jù)的特征向量，根據(jù)公式d(x)= Ig ((exp (a*f (χ)) +exp (a*g (χ))) /a)計算輸入的圖像數(shù)據(jù)的特征值d (χ)，將計算得到的圖像數(shù)據(jù)的特征值與預(yù)設(shè)的閾值進(jìn)行比較，輸出運動物體是否為行人的信息，解決了現(xiàn)有行人檢測系統(tǒng)無法根據(jù)行人是否被遮擋采取自適應(yīng)的檢測方式進(jìn)行行人的檢測，檢測效果比較差的問題，從而當(dāng)輸入的圖像數(shù)據(jù)中存在行人時通過自適應(yīng)地選擇相應(yīng)的檢測函數(shù)檢測行人，為用戶提供了一種通用的、健壯的、精確的行人檢測方法。


圖1是本發(fā)明第一實施例提供的行人檢測方法的實現(xiàn)流程圖；圖2是本發(fā)明第二實施例提供的行人檢測方法的實現(xiàn)流程圖；圖3是本發(fā)明第三實施例提供的行人檢測系統(tǒng)的結(jié)構(gòu)圖；圖4是本發(fā)明第四實施例提供的行人檢測系統(tǒng)的結(jié)構(gòu)圖。
具體實施例方式為了使本發(fā)明的目的、技術(shù)方案及優(yōu)點更加清楚明白，以下結(jié)合附圖及實施例，對本發(fā)明進(jìn)行進(jìn)一步詳細(xì)說明。應(yīng)當(dāng)理解，此處所描述的具體實施例僅僅用以解釋本發(fā)明，并不用于限定本發(fā)明。本發(fā)明實施例通過接收輸入的圖像數(shù)據(jù)的特征向量，根據(jù)公式d(x)= Ig ((exp (a*f (χ)) +exp (a*g (χ))) /a)計算輸入的圖像數(shù)據(jù)的特征值d (χ)，將計算得到的圖像數(shù)據(jù)的特征值與預(yù)設(shè)的閾值進(jìn)行比較，輸出運動物體是否為行人的信息，解決了現(xiàn)有行人檢測系統(tǒng)無法根據(jù)行人是否被遮擋采取自適應(yīng)的檢測方式進(jìn)行行人的檢測，檢測效果比較差的問題，從而當(dāng)輸入的圖像數(shù)據(jù)中存在行人時通過自適應(yīng)地選擇相應(yīng)的檢測函數(shù)檢測行人，為用戶提供了一種通用的、健壯的、精確的行人檢測方法。以下結(jié)合具體實施例對本發(fā)明的具體實現(xiàn)進(jìn)行詳細(xì)描述實施例一圖1示出了本發(fā)明第一實施例提供的行人檢測方法的實現(xiàn)流程，詳述如下在步驟SlOl中，接收輸入的圖像數(shù)據(jù)，獲取圖像數(shù)據(jù)的特征向量。在本發(fā)明實施例中，當(dāng)需要對輸入的圖像進(jìn)行行人檢測時，可以預(yù)先對圖像進(jìn)行預(yù)處理，例如，對輸入的灰度圖像進(jìn)行大小歸一化，避免因圖像的變形而影響后續(xù)的處理， 通過灰度拉伸增強圖像對比度，通過二值化處理實現(xiàn)圖像中背景和對象的分割。采用動態(tài)閾值法確定圖像二值化的關(guān)鍵閾值，使用帶修正的自適應(yīng)鄰域平均法消除圖像干擾和噪音等，從而解決圖像因為天氣或者采集角度等原因造成的圖像模糊、歪斜或缺損的情況。在步驟S102 中，根據(jù)公式 d(x) = Ig ((exp (a*f (χ)) +exp (a*g (χ))) /a)計算輸入的圖像數(shù)據(jù)的特征值d(x)，其中f(x) =w.x,g(x) =1!1，《和1!為預(yù)設(shè)的向量常數(shù)，a為預(yù)設(shè)的常數(shù)，·為向量點積運算符號，X為獲取的圖像數(shù)據(jù)的特征向量。在本發(fā)明實施例中，采用函數(shù)softmax(f(x)，g(x))來計算輸入的圖像數(shù)據(jù)的特征值，其中 softmax (f (χ), g (χ)) = Ig ((exp (a*f (χ)) +exp (a*g (χ))) /a), f (χ) = w · χ,為基于全身信息的行人檢測函數(shù)，g(x) =U-X是一個基于頭部和肩部的行人檢測函數(shù)，w和 u為預(yù)設(shè)的向量常數(shù)，a為預(yù)設(shè)的常數(shù)， 為向量點積運算符號，χ為獲取的圖像數(shù)據(jù)的特征向量，由于softmax函數(shù)可柔化輸出值，減小值之間的差，使得d(x)的計算公式可以自適應(yīng)地選擇相應(yīng)的檢測函數(shù)(基于全身信息或者基于頭肩部信息)，準(zhǔn)確地檢測到輸入圖像中的行人。在步驟S103中，將計算得到的圖像數(shù)據(jù)的特征值與預(yù)設(shè)的閾值進(jìn)行比較，輸出圖像數(shù)據(jù)是否包含行人的信息。
在本發(fā)明實施例中，將計算得到的圖像數(shù)據(jù)的特征值與預(yù)設(shè)的閾值進(jìn)行比較，當(dāng)計算得到的圖像數(shù)據(jù)的特征值大于預(yù)設(shè)的閾值時，輸出圖像數(shù)據(jù)包含行人的信息，當(dāng)計算得到的圖像數(shù)據(jù)的特征值不大于預(yù)設(shè)的閾值時，輸出圖像數(shù)據(jù)不包含行人的信息。在具體的實施過程中，可以根據(jù)用戶的需求信息對包括行人的圖像數(shù)據(jù)的行人進(jìn)行標(biāo)注出來，從而更直觀地提示用戶，或用于行人的跟蹤與統(tǒng)計等。實施例二 在本發(fā)明實施例中，為了確定行人檢測過程中圖像數(shù)據(jù)的特征值d(x)= Ig ((exp (a*f (χ)) +exp (a*g (χ))) /a)中涉及到的w和u的值，應(yīng)預(yù)先對該函數(shù)進(jìn)行訓(xùn)練，獲取w和u的值。圖2示出了本發(fā)明第二實施例提供的行人檢測方法的實現(xiàn)流程，詳述如下在步驟S201中，對采集到的包括行人的圖像數(shù)據(jù)中行人的頭部、肩部和全身進(jìn)行標(biāo)注。在本發(fā)明實施在，應(yīng)該預(yù)先采集圖像數(shù)據(jù)以用于對檢測函數(shù)進(jìn)行訓(xùn)練，確定向量參數(shù)w和u的值，采集的圖像應(yīng)包括背景圖像以及包含有行人全身的圖像，圖像的數(shù)量可以根據(jù)用戶對檢測的精度要求采集相應(yīng)數(shù)量的圖像。對其中包括行人全身的圖像數(shù)據(jù)中行人的頭部、肩部和全身進(jìn)行標(biāo)注，具體可以通過手動或自動進(jìn)行標(biāo)注，手動標(biāo)注時，首先標(biāo)注出行人的頭部的包圍框，基于一定的比例，對頭部包圍框進(jìn)行擴展，作為頭-肩部位的包圍框，進(jìn)一步對頭部包圍框進(jìn)行擴展成為全身的包圍框。也可以采用相應(yīng)的算法識別出行人的頭部、肩部和全身，實現(xiàn)行人的頭部、肩部和全身的標(biāo)注，具體的標(biāo)注方法在此不用限制本發(fā)明。在步驟S203中，將采集到的背景圖像數(shù)據(jù)和包括行人的圖像數(shù)據(jù)存儲到預(yù)先建立一個圖像數(shù)據(jù)訓(xùn)練集中。在步驟S203中，預(yù)先設(shè)置向量參數(shù)《和u的初始值，以訓(xùn)練集為定義域，通過最優(yōu)值計算模塊獲取函數(shù)softmax (0，l-y*d(x))在取得最小值時w和u的值，其中SOftmaX(0， l-y*d (χ)) = Ig ((1+exp (a* (l_y*d (x)))) /a)，a為預(yù)設(shè)的常數(shù)，χ為輸入的圖像數(shù)據(jù)的特征向量，y 等于 1 或-1，當(dāng) y = 1 時，d(x) = lg((eXp(a*f(Xl))+eXp(a*g(X2)))/a)，Xl 為 χ 中標(biāo)注的行人的全身的特征向量，X2為χ中標(biāo)注的行人的頭部和肩部的特征向量，當(dāng)y = -1 時，d (χ) = Ig ((exp (a*f (χ)) +exp (a*g (χ))) /a)。在本發(fā)明實施例中，預(yù)先設(shè)置向量參數(shù)w和U的初始值，以訓(xùn)練集中的圖像作為函數(shù)的輸入，通過最優(yōu)值計算模塊獲取函數(shù)lg((l+eXp(a*(l-y*d(X))))/ a)在取得最小值時w和u的值。具體地，在接收到輸入的包括行人全身的圖像后， 獲取整個圖像的特征向量χ，并根據(jù)標(biāo)注信息或根據(jù)變量y的值(y = 1)，獲取χ中頭部和肩部對應(yīng)的特征向量χ2，以及行人全身對應(yīng)的特征向量^，根據(jù)公式d(x)= Ig ((exp (a*f (X1)) +exp (a*g (x2))) /a)求解d (χ)的值，當(dāng)y = -1時，說明該圖像為不包括行人的圖像，根據(jù)公式d(x) = Ig ((exp (a*f (χ)) +exp (a*g (χ))) /a)求解d(x)的值，從而在函數(shù)lg((l+eXp(a*(l-y*d(X))))/a)取得最小值時獲取w和u的值，較優(yōu)地，a可以設(shè)為10， 在具體實施過程中，最優(yōu)值計算模塊可以采用遞度下降算法、遺傳算法或神經(jīng)網(wǎng)絡(luò)等，在此不用以限制本發(fā)明。在步驟S204中，將w和u值的值設(shè)置為函數(shù)Ig ((1+exp (a* (l_y*d (χ)))) /a)取得最小值時的值。在本發(fā)明實施例中，將步驟S203中通過最優(yōu)值計算模塊在函數(shù) lg((l+eXp(a*(l-y*d(X))))/a)取得最小值時獲得的w和u的值設(shè)為參數(shù)《和u的值。在步驟S205中，采用縱橫比為8 3的窗口對待檢測的輸入圖像進(jìn)行掃描，生成圖像對應(yīng)的圖像數(shù)據(jù)信息。在本發(fā)明實施例中，當(dāng)完成對檢測函數(shù)的訓(xùn)練后，獲得了 w和U的值，從而可以實現(xiàn)對待檢測的輸入圖像的檢測，具體地，可以采用典型的縱橫比為8 3的窗口對待檢測的輸入圖像進(jìn)行掃描，生成圖像對應(yīng)的圖像數(shù)據(jù)信息。另外，也可以在檢測前，對檢測函數(shù)進(jìn)行測試，根據(jù)測試結(jié)果決定是否還需要對函數(shù)進(jìn)行訓(xùn)練，調(diào)整w和u的值，從而得到更高精度的行人檢測效果。在步驟S206中，接收輸入的圖像數(shù)據(jù)，獲取圖像數(shù)據(jù)的特征向量。在步驟S207 中，根據(jù)公式 d(x) = Ig ((exp (a*f (χ)) +exp (a*g (χ))) /a)計算輸入的圖像數(shù)據(jù)的特征值d(x)，其中f(x) = w.x,g(x) =1!1，《和1!為預(yù)設(shè)的向量常數(shù)，a為預(yù)設(shè)的常數(shù)，·為向量點積運算符號，X為獲取的圖像數(shù)據(jù)的特征向量。在步驟S208中，將計算得到的圖像數(shù)據(jù)的特征值與預(yù)設(shè)的閾值進(jìn)行比較，輸出所述圖像數(shù)據(jù)是否包含行人的信息。本領(lǐng)域普通技術(shù)人員可以理解實現(xiàn)上述實施例方法中的全部或部分步驟是可以通過程序來指令相關(guān)的硬件來完成，所述的程序可以存儲于一計算機可讀取存儲介質(zhì)中， 所述的存儲介質(zhì)，如ROM/RAM、磁盤、光盤等。實施例三圖3示出了本發(fā)明第三實施例提供的行人檢測系統(tǒng)的結(jié)構(gòu)，為了便于說明，僅示出了與本發(fā)明實施例相關(guān)的部分。該行人檢測系統(tǒng)可以用于具有行人檢測功能的視頻監(jiān)控終端，例如視頻監(jiān)控器等中，可以是運行于這些視頻監(jiān)控終端內(nèi)的軟件單元，也可以作為獨立的掛件集成到這些視頻監(jiān)控終端中或者運行于這些視頻監(jiān)控終端的應(yīng)用系統(tǒng)中，其中特征向量獲取單元31接收輸入的圖像數(shù)據(jù)，獲取圖像數(shù)據(jù)的特征向量。在本發(fā)明實施例中，當(dāng)需要對輸入的圖像進(jìn)行行人檢測時，可以預(yù)先對圖像進(jìn)行預(yù)處理，例如，對輸入的灰度圖像進(jìn)行大小歸一化，避免因圖像的變形而影響后續(xù)的處理， 通過灰度拉伸增強圖像對比度，通過二值化處理實現(xiàn)圖像中背景和對象的分割。采用動態(tài)閾值法確定圖像二值化的關(guān)鍵閾值，使用帶修正的自適應(yīng)鄰域平均法消除圖像干擾和噪音等，從而解決圖像因為天氣或者采集角度等原因造成的圖像模糊、歪斜或缺損的情況。特征值計算單元32 根據(jù)公式 d (χ) = Ig ((exp (a*f (χ)) +exp (a*g (χ))) /a)計算輸入的圖像數(shù)據(jù)的特征值d(x)，其中f (X) =WX, g(x) =U · X，《和U為預(yù)設(shè)的向量常數(shù)， a為預(yù)設(shè)的常數(shù)，·為向量點積運算符號，χ為獲取的圖像數(shù)據(jù)的特征向量。在本發(fā)明實施例中，采用函數(shù)softmax(f(x)，g(x))來計算輸入的圖像數(shù)據(jù)的特征值，softmax (f (χ), g (χ)) = Ig ((exp (a*f (χ)) +exp (a氺g (χ))) /a),其中 f (χ) = w · χ,用于基于全身信息的行人檢測函數(shù)，g(x) = u ·χ，用于基于頭部和肩部的行人檢測函數(shù)，w和 u為預(yù)設(shè)的向量常數(shù)，a為預(yù)設(shè)的常數(shù)， 為向量點積運算符號，χ為獲取的圖像數(shù)據(jù)的特征向量，由于softmax函數(shù)可柔化輸出值，減小值之間的差，使得d(x)的計算公式可以自適應(yīng)地選擇相應(yīng)的檢測函數(shù)(基于全身信息或者基于頭肩部信息)，準(zhǔn)確地檢測到輸入圖像中的行人。信息輸出單元33將計算得到的圖像數(shù)據(jù)的特征值與預(yù)設(shè)的閾值進(jìn)行比較，輸出所述圖像數(shù)據(jù)是否包含行人的信息。在本發(fā)明實施例中，將計算得到的圖像數(shù)據(jù)的特征值與預(yù)設(shè)的閾值進(jìn)行比較，當(dāng)計算得到的圖像數(shù)據(jù)的特征值大于預(yù)設(shè)的閾值時，輸出圖像數(shù)據(jù)包含行人的信息，當(dāng)計算得到的圖像數(shù)據(jù)的特征值不大于預(yù)設(shè)的閾值時，輸出圖像數(shù)據(jù)不包含行人的信息。在具體的實施過程中，可以根據(jù)用戶的需求信息對包括行人的圖像數(shù)據(jù)的行人進(jìn)行標(biāo)注出來，從而更直觀地提示用戶，或用于行人的跟蹤與統(tǒng)計等。實施例四圖4示出了本發(fā)明第四實施例提供的行人檢測系統(tǒng)的結(jié)構(gòu)，為了便于說明，僅示出了與本發(fā)明實施例相關(guān)的部分。標(biāo)注單元41對采集到的包括行人的圖像數(shù)據(jù)中行人的頭部、肩部和全身進(jìn)行標(biāo)注。存儲單元42將采集到的背景圖像數(shù)據(jù)和包括行人的圖像數(shù)據(jù)存儲到預(yù)先建立一個圖像數(shù)據(jù)訓(xùn)練集中。參數(shù)值獲取單元43預(yù)先設(shè)置向量參數(shù)w和u的初始值，以訓(xùn)練集為定義域，通過最優(yōu)值計算模塊獲取函數(shù)Ig((1+exp (a*(l_y*d(χ))))/a)在取得最小值時w和u的值，其中a為預(yù)設(shè)的常數(shù)，χ為輸入的圖像數(shù)據(jù)的特征向量，y等于1或-1，當(dāng)y= 1時，d(x)= Ig ((exp (a*f (X1)) +exp (a*g (X2))) /a)，X1為χ中標(biāo)注的行人的全身的特征向量，X2為x中標(biāo)注的行人的頭部和肩部的特征向量，當(dāng)y = _l時，d(x) =lg((eXp(a*f(X))+eXp(a*g(X)))/ a) ο參數(shù)值設(shè)置單元44將《和u值的值設(shè)置為參數(shù)值獲取單元43在函數(shù) Ig((1+exp (a*(l_y*d(χ))))/a)取得最小值時獲取的w和u的值。圖像數(shù)據(jù)信息生成單元45采用縱橫比為8 3的窗口對待檢測的輸入圖像進(jìn)行掃描，生成圖像對應(yīng)的圖像數(shù)據(jù)信息。特征向量獲取單元46接收輸入的圖像數(shù)據(jù)，獲取圖像數(shù)據(jù)的特征向量。特征值計算單元47 根據(jù)公式 d (χ) = Ig ((exp (a*f (χ)) +exp (a*g (χ))) /a)計算輸入的圖像數(shù)據(jù)的特征值d(x)，其中f (X) =WX, g(x) =U · X，《和U為預(yù)設(shè)的向量常數(shù)， a為預(yù)設(shè)的常數(shù)，·為向量點積運算符號，χ為獲取的圖像數(shù)據(jù)的特征向量。信息輸出單元48將計算得到的圖像數(shù)據(jù)的特征值與預(yù)設(shè)的閾值進(jìn)行比較，輸出所述圖像數(shù)據(jù)是否包含行人的信息。本發(fā)明實施例通過對d(x) = Ig((exp (a*f (χ)) +exp (a*g(χ))) /a)進(jìn)行訓(xùn)練，獲取其取得最小值時W和U的值，從而為用戶提供了一個有效的檢測函數(shù)， 當(dāng)接收到待檢測的輸入圖像數(shù)據(jù)時，獲取該圖像的特征向量，根據(jù)公式d(x)= Ig ((exp (a*f (χ)) +exp (a*g (χ))) /a)計算輸入的圖像數(shù)據(jù)的特征值d (χ)，將計算得到的圖像數(shù)據(jù)的特征值與預(yù)設(shè)的閾值進(jìn)行比較，輸出運動物體是否為行人的信息，解決了現(xiàn)有行人檢測系統(tǒng)無法根據(jù)行人是否被遮擋采取自適應(yīng)的檢測方式進(jìn)行行人的檢測，檢測效果比較差的問題，從而當(dāng)輸入的圖像數(shù)據(jù)中存在行人時通過自適應(yīng)地選擇相應(yīng)的檢測函數(shù)檢測行人，為用戶提供一種通用的、健壯的、精確的行人檢測方法。 以上所述僅為本發(fā)明的較佳實施例而已，并不用以限制本發(fā)明，凡在本發(fā)明的精神和原則之內(nèi)所作的任何修改、等同替換和改進(jìn)等，均應(yīng)包含在本發(fā)明的保護(hù)范圍之內(nèi)。
權(quán)利要求
1.一種行人檢測方法，其特征在于，所述方法包括下述步驟接收輸入的圖像數(shù)據(jù)，獲取圖像數(shù)據(jù)的特征向量；根據(jù)公式d (χ) = 1 g ((exp (a*f (χ)) +exp (a*g (χ))) /a)計算輸入的圖像數(shù)據(jù)的特征值d(x)，其中f(x) =w.x,g(x) =u*X，W*u為預(yù)設(shè)的向量常數(shù)，a為預(yù)設(shè)的常數(shù)，·為向量點積運算符號，χ為獲取的圖像數(shù)據(jù)的特征向量；將計算得到的圖像數(shù)據(jù)的特征值與預(yù)設(shè)的閾值進(jìn)行比較，輸出所述圖像數(shù)據(jù)是否包含行人的信息。
2.如權(quán)利要求1所述的方法，其特征在于，所述接收輸入的圖像數(shù)據(jù)，獲取圖像數(shù)據(jù)的特征向量的步驟之前，所述方法還包括下述步驟對采集到的包括行人的圖像數(shù)據(jù)中行人的頭部、肩部和全身進(jìn)行標(biāo)注；將采集到的背景圖像數(shù)據(jù)和包括行人的圖像數(shù)據(jù)存儲到預(yù)先建立一個圖像數(shù)據(jù)訓(xùn)練集中；預(yù)先設(shè)置向量參數(shù)w和u的初始值，以所述訓(xùn)練集為定義域，通過最優(yōu)值計算模塊獲取函數(shù)lg((l+eXp(a*(l-y*d(X))))/a)在取得最小值時w和u的值，其中a為預(yù)設(shè)的常數(shù)，χ為輸入的圖像數(shù)據(jù)的特征向量，y等于1或-1，當(dāng)y = 1時，d(x)= Ig ((exp (a*f (X1)) +exp (a*g (X2))) /a)，X1為χ中標(biāo)注的行人的全身的特征向量，X2為x中標(biāo)注的行人的頭部和肩部的特征向量，當(dāng)y = _l時，d(x) =lg((eXp(a*f(X))+eXp(a*g(X)))/ a)；將w和u值的值設(shè)置為函數(shù)Ig((1+exp (a*(l_y*d(χ))))/a)取得最小值時w和u的值。
3.如權(quán)利要求1或2所述的方法，其特征在于，所述a的值為10。
4.如權(quán)利要求1所述的方法，其特征在于，所述接收輸入的圖像數(shù)據(jù)，獲取圖像數(shù)據(jù)的特征向量的步驟之前，所述方法還包括采用縱橫比為8 3的窗口對待檢測的輸入圖像進(jìn)行掃描，生成圖像對應(yīng)的圖像數(shù)據(jù) fn息ο
5.如權(quán)利要求ι所述的方法，其特征在于，所述將計算得到的圖像數(shù)據(jù)的特征值與預(yù)設(shè)的閾值進(jìn)行比較，輸出所述圖像數(shù)據(jù)是否包含行人的信息的步驟具體為當(dāng)計算得到的圖像數(shù)據(jù)的特征值大于預(yù)設(shè)的閾值時，輸出所述圖像數(shù)據(jù)包含行人的信息；當(dāng)計算得到的圖像數(shù)據(jù)的特征值不大于預(yù)設(shè)的閾值時，輸出所述圖像數(shù)據(jù)不包含行人的信息。
6.一種行人檢測系統(tǒng)，其特征在于，所述系統(tǒng)包括特征向量獲取單元，用于接收輸入的圖像數(shù)據(jù)，獲取圖像數(shù)據(jù)的特征向量；特征值計算單元，用于根據(jù)公式d(x) = lg((exp(a*f(x))+exp(a*g(x)))/a)計算輸入的圖像數(shù)據(jù)的特征值d(X)，其中f(X) =W.X,g(X) =1!1，《和1!為預(yù)設(shè)的向量常數(shù)，a為預(yù)設(shè)的常數(shù)，·為向量點積運算符號，χ為獲取的圖像數(shù)據(jù)的特征向量；以及信息輸出單元，用于將計算得到的圖像數(shù)據(jù)的特征值與預(yù)設(shè)的閾值進(jìn)行比較，輸出所述圖像數(shù)據(jù)是否包含行人的信息。
7.如權(quán)利要求6所述的系統(tǒng)，其特征在于，所述系統(tǒng)還包括標(biāo)注單元，用于對采集到的包括行人的圖像數(shù)據(jù)中行人的頭部、肩部和全身進(jìn)行標(biāo)注；存儲單元，用于將采集到的背景圖像數(shù)據(jù)和包括行人的圖像數(shù)據(jù)存儲到預(yù)先建立一個圖像數(shù)據(jù)訓(xùn)練集中；參數(shù)值獲取單元，用于預(yù)先設(shè)置向量參數(shù)w和u的初始值，以訓(xùn)練集為定義域，通過最優(yōu)值計算模塊獲取函數(shù)Ig((1+exp (a*(l_y*d(χ))))/a)在取得最小值時w和u的值，其中a為預(yù)設(shè)的常數(shù)，χ為輸入的圖像數(shù)據(jù)的特征向量，y等于1或-1，當(dāng)y = 1時，d(x)= Ig ((exp (a*f (X1)) +exp (a*g (X2))) /a)，X1為χ中標(biāo)注的行人的全身的特征向量，X2為x中標(biāo)注的行人的頭部和肩部的特征向量，當(dāng)y = _l時，d(x) =lg((eXp(a*f(X))+eXp(a*g(X)))/ a)；以及參數(shù)值設(shè)置單元，用于將w和u值的值設(shè)置為所述參數(shù)值獲取單元在函數(shù) Ig((1+exp (a*(l_y*d(χ))))/a)取得最小值時獲取的w和u的值。
8.如權(quán)利要求6或7所述的系統(tǒng)，其特征在于，所述a的值為10。
9.如權(quán)利要求6所述的系統(tǒng)，其特征在于，所述系統(tǒng)還包括圖像數(shù)據(jù)信息生成單元，用于采用縱橫比為8 3的窗口對待檢測的輸入圖像進(jìn)行掃描，生成圖像對應(yīng)的圖像數(shù)據(jù)信息。
10.一種行人檢測裝置，其特征在于，所述裝置包括權(quán)利要求6至9任一項所述的行人檢測系統(tǒng)。
全文摘要
本發(fā)明適用于圖像處理技術(shù)領(lǐng)域，提供了一種行人檢測方法、系統(tǒng)及裝置，所述方法包括下述步驟接收輸入的圖像數(shù)據(jù)，獲取圖像數(shù)據(jù)的特征向量；根據(jù)公式d(x)＝lg((exp(a*f(x))+exp(a*g(x)))/a)計算輸入的圖像數(shù)據(jù)的特征值d(x)，其中f(x)＝w·x，g(x)＝u·x，w和u為預(yù)設(shè)的向量常數(shù)，a為預(yù)設(shè)的常數(shù)，“·”為向量點積運算符號，x為獲取的圖像數(shù)據(jù)的特征向量；將計算得到的圖像數(shù)據(jù)的特征值與預(yù)設(shè)的閾值進(jìn)行比較，輸出運動物體是否為行人的信息，本發(fā)明解決了現(xiàn)有行人檢測系統(tǒng)無法根據(jù)行人是否被遮擋采取自適應(yīng)的檢測方式進(jìn)行行人的檢測，檢測效果比較差的問題，從而當(dāng)輸入的圖像數(shù)據(jù)中存在行人時通過自適應(yīng)地選擇相應(yīng)的檢測函數(shù)檢測行人，為用戶提供了一種通用的、健壯的、精確的行人檢測方法。
文檔編號G06K9/66GK102214308SQ201110127360
公開日2011年10月12日 申請日期2011年5月17日 優(yōu)先權(quán)日2011年5月17日
發(fā)明者詹東暉 申請人:詹東暉