【摘要】 一种基于改进的HOG特征和PCA的行人检测方法，该方法采用样本图像中行人梯度信息集中区域的HOG特征级联PCA主元分析的特征提取算法来提取样本特征；利用训练样本提取的上述特征训练SVM分类器；对于检测样本利用上述特征提取方法提取特征向量，并利用训练得到的SVM分类器进行行人检测。本发明提供一种能够有效减少训练速度、降低误检率和漏报率的基于改进的HOG特征和PCA的行人检测方法。 【专利类型】发明授权 【申请人】银江股份有限公司; 杭州银江智慧医疗集团有限公司 【申请人类型】企业 【申请人地址】310030 浙江省杭州市西湖区西湖科技经济园西园八路2号银江软件园 【申请人地区】中国 【申请人城市】杭州市 【申请人区县】西湖区 【申请号】CN201210005537.8 【申请日】2012-01-10 【申请年份】2012 【公开公告号】CN102609716B 【公开公告日】2014-03-26 【公开公告年份】2014 【授权公告号】CN102609716B 【授权公告日】2014-03-26 【授权公告年份】2014.0 【IPC分类号】G06K9/62 【发明人】寿娜; 王辉; 彭宏; 裘加林; 孟利民; 杜克林; 吴越; 张标标 【主权项内容】1.一种基于改进的HOG特征和PCA的行人检测方法，其特征在于：所述行人检测方法包括以下步骤： 1)采用HOG特征块模块提取训练正样本图像中行人梯度信息集中区域的HOG特征作为改进型HOG特征矩阵，所述训练正样本图像有m个； 2)针对上述改进型HOG特征矩阵，采用PCA算法，得到投影矩阵B，具体过程如下： 2.1)针对改进型HOG特征矩阵中每个训练正样本xi, i=1, ..., m，计算平均向量： 2.2)计算协方差矩阵： 2.3)计算C的特征值和特征向量bi，选择K个最大的特征向量作为特征子空间的基，由这些基组成投影矩阵B：B=[b1, b2, ..., bK]T； 3)提取训练样本的改进型HOG训练特征矩阵P，利用投影矩阵B进行降维处理，得到最终训练特征矩阵P′：P′=P×B，利用P′训练支持向量机SVM分类器； 4)对于任一检测样本，提取改进型HOG特征向量y并利用投影矩阵B降维，得到最终用于检测行人的特征向量y′：y′=y×B；将y′输入步骤3)中训练得到的SVM分类器进行行人的检测。 【当前权利人】银江技术股份有限公司; 杭州银江智慧健康集团有限公司 【当前专利权人地址】浙江省杭州市益乐路223号1幢1层; 浙江省杭州市西湖区益乐路223号1幢1层109、110室 【专利权人类型】有限责任公司(自然人投资或控股的法人独资) 【统一社会信用代码】913301085832198206 【家族引证次数】2.0 【家族被引证次数】35

未经允许不得转载：http://www.zhongzhencnc.com/1791558544.html