一种改进基于LDCF的行人检测方法与流程

1.一种改进基于LDCF的行人检测方法，用以准确检测车载摄像头图像中的行人信息，其特征在于，包括以下步骤：

1)根据不同的训练数据集获取LDCF行人检测算法中三个行人外形的几何约束条件；

2)对待检测图像中的行人进行滑动窗口检测，并根据约束条件剔除长宽比不符合行人特点以及位置不在合理区域内的检测窗口，获取符合约束要求的初步行人检测窗口；

3)对初步行人检测窗口进行抑制，最终获取合适大小的检测窗口，并据此识别待检测图像中的行人。

2.根据权利要求1所述的一种改进基于LDCF的行人检测方法，其特征在于，所述的步骤1)中，三个行人外形的几何约束条件包括行人底部到图像底部的距离约束、行人的像素高度与行人到图像底部距离的线形函数关系约束以及行人检测窗口的宽高比约束。

3.根据权利要求1所述的一种改进基于LDCF的行人检测方法，其特征在于，所述的步骤1)中，训练数据集包括Caltech-USA训练数据集和ETH训练数据集。

4.根据权利要求1所述的一种改进基于LDCF的行人检测方法，其特征在于，所述的步骤3)中通过改进的NMS算法对初步行人检测窗口进行抑制。

5.根据权利要求4所述的一种改进基于LDCF的行人检测方法，其特征在于，所述的改进的NMS算法通过将NMS算法中的固定重合面积阈值改为动态重合面积阈值进行窗口抑制。

6.根据权利要求5所述的一种改进基于LDCF的行人检测方法，其特征在于，所述的动态重合面积阈值Threshold为：

$Threshold=\left\{\begin{array}{cc}A& \frac{s_d}{s_u}\≥\mathrm{\α}\\ min(A,A\×\frac{h_d}{{\mathrm{\δh}}_u})& \frac{s_d}{s_u}\<\mathrm{\α}\end{array}\right.$

其中，A为固定重合面积阈值，s_d为被抑制窗口的检测分数，s_u为抑制窗口的检测分数，h_d为被抑制窗口的高度，h_u为抑制窗口的高度，为检测分数比，为检测对象尺度比，α为检测分数比的阈值，δ为检测对象尺度比的阈值。

7.根据权利要求6所述的一种改进基于LDCF的行人检测方法，其特征在于，所述的窗口抑制的方法为：

1、被抑制窗口和抑制窗口存在重合，当检测分数比且检测对象尺度比时，则认定被抑制窗口为抑制窗口的子区域，并缩小动态重合面积阈值；

当检测分数比且检测对象尺度比时，则认定被抑制窗口为抑制窗口的附近的独立窗口，不采用动态重合面积阈值抑制；

2、当抑制窗口完全被被抑制窗口包含，且其检测分数差异极小，即时，则将抑制窗口作为误检窗口剔除，保留被抑制窗口，并将抑制窗口的检测分数赋值给被抑制窗口。