文档介绍：第期程广涛,等基于特征的行人视觉检测方法
7 HOG 69
基于垂直边缘的行人分割
1. 1
行人呈现出非常显著的垂直边缘特征,尤其是行人的
腿部,垂直边缘更加明显,利用垂直算子计算来突出
Sobel
行人腿部的垂直边缘对图像进行水平线性膨胀运算来消
。
除地面白线及其他小障碍物为了更好地得到边缘点的位
。
图行人对称轴定位
置信息,利用区域描绘子提取区域信息,将图像的垂直边缘 2
用方形小框表示,并统计每一个方形小框所含的像素个数, Fig 2 Location of pedestrian symmetry axis
然后设定条件如果某方形小框所含的像素个数大于提前
设定的一个阈值,则留下该方形小框,否则,去掉这样通
。
过形态学运算和区域描绘子相结合,可以有效地去掉干扰
边缘基于垂直边缘的行人分割如图
。 1。图 3 行人候选区域
Fig 3 Candidates regions of pedestrian
识别的过程行人的识别过程实际上可以看作是一个标记
。
过程,即利用识别算法来辨别图像中已经分割出来的行人,
并给行人赋予特定的标记所进行的分类识别主要是针对
。
分割过程中提供的行人候选区域,对这些区域进行分析处
理和特征提取,利用行人的典型特征训练得到的行人分类
器来实现对行人的分类识别
。
基于特征的行人特征提取
2. 1 HOG
在进行行人目标分类训练之前,需要对行人目标进行
图 1 基于垂直边缘的行人分割
特征描述特征是决定相似性与分类的关键基于特征的
Fig 1 Pedestrian segmentation based on vertical edge 。。
基于垂直边缘对称性的行人分割人体检测算法中的特征必须能够具有很好的可分性,即使
1. 2
行人不论是在站立还是在行走,行人腿部的边缘在一在复杂背景和不同的光线情况下,该特征也可以很好地将
人体和非人体区别开来特征的优点在于它是基于
定宽度内具有很强的对称性,这个特性也是行人区别于其。HOG
他目标物的一个显著的特征梯度方向的分布直方图,既可以描述人体的轮廓特征,同时
。
又对光照和小量的偏移不敏感特征的计算步骤具
本文建立了衡量行人的这种对称性的方法,依此以。HOG
图像的每列为垂直对称轴,计算以其为对称轴,统计左体如下
输入图像输入图像为样本库中的某一个样本图像
右一定宽度内出现的边缘点对的数量,最终形成对称性 1
测度图或者是前面在检测阶段得到的某个
。 RoIs。
梯度计算对图像进行[ ]和[ ]的滤
如果 2 - 1 0 1 - 1 0 1 '
波分别计算图像的垂直梯度和水平梯度,计算每个像素的
Wmin < | xi - xj | < Wmax
, 梯度方向和梯度大小
{ 。
y = y
i j 将输入图像分割成等大小的小格,并将几个小格合
则 3
并为一个小块
。
, i + j ,
Sv k + + k = 方向通道的选取将或者平均分成
2 4 0°~ 180° 0°~ 360°
式中, 为垂直边缘点的搜索宽度范围个通道
W min W ma