基于改进颜色自相似特征的行人检测方法

？近年来多尺度行人检测在计算机视觉领域受到广泛关注。传统方法需对图像缩放，在不同尺度计算特征，大大降低了行人检测的速度。颜色自相似特征(cssf)被提出以克服此不足。针对颜色自相似度特征具有维度高和分类器训练时间长等问题,提出一种改进的颜色自相似度特征。改进的颜色自相似度特征结合行人结构相似度，首先定义了固定尺寸的窗口，然后在不同的颜色空间滑动固定大小的窗口进行特征提取，最后结合自适应增强(adaboost)算法构建行人检测分类器。实验结果显示：相对于传统颜色自相似度特征的千万级维度，新的特征只有几千维，特征提取速度和分类器训练速度显著提高，检测效果略有下降；与梯度方向直方图特征(hog)相比，特征提取速度提高5倍，检测效果基本不变，新的方法在实时行人检测和监控系统中有很好的应用价值。