基于DPM的快速行人检测方法与流程

本发明涉及图像识别技术领域，尤其涉及目标检测技术领域，具体是指一种基于DPM的快速行人检测方法。

背景技术：

随着科技的发展，人工智能的需求应用越来越广泛，其中目标检测是人工智能的一个研究方向。目前，目标检测在学术上有许多模型，其中可形变部件模型(Deformable Part Models，简称DPM)是较为流行的图像中物体检测模型。由于DPM算法不需要强大的服务器作为运行环境，所以我们将DPM算法做了改进，使之能在轻量级的PC机以及嵌入式产品中实时运行。

技术实现要素：

本发明的目的是克服了上述现有技术的缺点，提供了一种能够实现将DPM算法轻量化的基于DPM的快速行人检测方法。

为了实现上述目的，本发明具有如下构成：

该基于DPM的快速行人检测方法，包括以下步骤：

(1)读取DPM模型；

(2)对所述的DPM模型进行傅里叶变换，得到DPM模型的频域特征；

(3)通过对DPM模型的频域特征进行计算，得到滤波的频域结果；

(4)对所述的频域结果进行傅里叶逆变换，得到滤波的时域结果；

(5)计算时域结果的得分；

(6)根据时域结果的得分得出检测结果。

较佳地，所述的步骤(2)具体为：

分别对DPM模型中的图像和滤波器进行傅里叶变换，得到图像和滤波器的频域特征，以获取DPM模型的频域特征。

更佳地，所述的对DPM模型中的图像进行傅里叶变换，具体包括以下步骤：

(2-1)获取图像的数据；

(2-2)对图像进行缩放，并获取图像的HOG(Histogram of Oriented Gradient，方向梯度直方图)特征；

(2-3)对所述的HOG特征进行傅里叶变换。

更进一步地，所述的步骤(2-2)还包括以下步骤：

(2-2-1)基于8个离散化方向计算梯度方向的直方图；

(2-2-2)对所述的梯度方向的直方图进行归一化和截断，得到28维的HOG特征。

更进一步地，所述的对DPM模型中的滤波器进行傅里叶变换，具体为：

对滤波器进行傅里叶变换，并对DPM模型进行傅里叶缓存。

较佳地，所述的步骤(3)具体为：

计算图像和滤波器的频域特征的共轭点乘，得到DPM模型滤波的频域结果。

较佳地，所述的步骤(5)具体为：

分别计算时域结果中的根滤波器得分、部件滤波器得分和变形花费。

更佳地，所述的步骤(6)具体为：

根据所述的根滤波器得分、部件滤波器得分和变形花费，通过非极大值抑制的方法得到行人检测的结果。

采用了该发明中的基于DPM的快速行人检测方法，简化了DPM算法，使之能在轻量级的PC机以及嵌入式产品中实时运行；提高了检测速度，在嵌入式DSP系统中，检查1080P图像可以达到每秒钟3帧速度；同时适用于普通的PC机和嵌入式DSP硬件设备，具有广泛的应用范围。

附图说明

图1为本发明的基于DPM的快速行人检测方法的流程示意图。

图2为本发明的基于DPM的快速行人检测方法的特征函数的示意图。

具体实施方式

为了能够更清楚地描述本发明的技术内容，下面结合具体实施例来进行进一步的描述。

该基于DPM的快速行人检测方法，包括以下步骤：

(1)读取DPM模型；

(2)对所述的DPM模型进行傅里叶变换，得到DPM模型的频域特征；

(3)通过对DPM模型的频域特征进行计算，得到滤波的频域结果；

(4)对所述的频域结果进行傅里叶逆变换，得到滤波的时域结果；

(5)计算时域结果的得分；

(6)根据时域结果的得分得出检测结果。

在一种较佳的实施方式中，所述的步骤(2)具体为：

分别对DPM模型中的图像和滤波器进行傅里叶变换，得到图像和滤波器的频域特征，以获取DPM模型的频域特征。

在一种更佳的实施方式中，所述的对DPM模型中的图像进行傅里叶变换，具体包括以下步骤：

(2-1)获取图像的数据；

(2-2)对图像进行缩放，并获取图像的HOG(Histogram of Oriented Gradient，方向梯度直方图)特征；

(2-3)对所述的HOG特征进行傅里叶变换。

在一种更进一步的实施方式中，所述的步骤(2-2)还包括以下步骤：

(2-2-1)基于8个离散化方向计算梯度方向的直方图；

(2-2-2)对所述的梯度方向的直方图进行归一化和截断，得到28维的HOG特征。

在一种更进一步的实施方式中，所述的对DPM模型中的滤波器进行傅里叶变换，具体为：

对滤波器进行傅里叶变换，并对DPM模型进行傅里叶缓存。

在一种较佳的实施方式中，所述的步骤(3)具体为：

计算图像和滤波器的频域特征的共轭点乘，得到DPM模型滤波的频域结果。

在一种较佳的实施方式中，所述的步骤(5)具体为：

分别计算时域结果中的根滤波器得分、部件滤波器得分和变形花费。

在一种更佳的实施方式中，所述的步骤(6)具体为：

根据所述的根滤波器得分、部件滤波器得分和变形花费，通过非极大值抑制的方法得到行人检测的结果。

在一种具体的实施方式中，如图1所示，原始的DPM检测方法是采用经典的滑动窗口方式，即将滤波器从图像左上角逐像素滑动直至图像右下角，并分别计算滤波器与图像窗口的点积，这一过程的计算量非常巨大，在DPM的检测过程中占到了90％以上。时域的卷积等效于频域的点乘，利用傅里叶理论，先把图像和滤波器经过FFT(傅里叶变换)到频率域，然后求二者的共轭点乘，最后通过IFFT(傅里叶逆变换)回时域即可得到同样的滤波结果。利用傅里叶技巧和快速傅里叶变换可以实现更快的图像滤波，且处理的图像以及滤波器都是全实数，而此时的傅里叶变换又满足一种特殊的共轭对称，因此这一特性可以大大减少计算量。改进的DPM算法正是充分利用这一特点(多维特征空间里同时进行多个二维正反傅里叶变换，频域矩阵自身存在共轭对称)以及优化的数据存储管理方案，使得图像滤波时间大大缩短。

在一种更具体的实施方式中，如图2所示，重写了特征函数，由于算法场景主要用在室内做人物定位使用，因此去掉了检测超出图像边界的目标的。原有的HOG特征(方向梯度直方图Histogram of Oriented Gradient,HOG)是32维特征，现去掉一维后只有31维，31不能被4整除，导致其存储和计算效率都大大降低，因而将离散化方向个数从原来的9改成8，使得最后得到的特征是28维的。

此外，在一种更佳的实施例中，还可以通过减少模型的存储空间，从而提高模型加载的速度，具体方法为重写模型结构体，重新构造模型文档存储方法，即二进制存取方式。

采用了该发明中的基于DPM的快速行人检测方法，简化了DPM算法，使之能在轻量级的PC机以及嵌入式产品中实时运行；提高了检测速度，在嵌入式DSP系统中，检查1080P图像可以达到每秒钟3帧速度；同时适用于普通的PC机和嵌入式DSP硬件设备，具有广泛的应用范围。

在此说明书中，本发明已参照其特定的实施例作了描述。但是，很显然仍可以作出各种修改和变换而不背离本发明的精神和范围。因此，说明书和附图应被认为是说明性的而非限制性的。