CN110866422A - 一种基于光场成像结合lbp与svm的二维虚假行人识别方法 - Google Patents
一种基于光场成像结合lbp与svm的二维虚假行人识别方法 Download PDFInfo
- Publication number
- CN110866422A CN110866422A CN201810985476.3A CN201810985476A CN110866422A CN 110866422 A CN110866422 A CN 110866422A CN 201810985476 A CN201810985476 A CN 201810985476A CN 110866422 A CN110866422 A CN 110866422A
- Authority
- CN
- China
- Prior art keywords
- pedestrian
- svm
- light field
- lbp
- image
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 31
- 238000003384 imaging method Methods 0.000 title claims abstract description 14
- 238000012706 support-vector machine Methods 0.000 title description 21
- 238000002474 experimental method Methods 0.000 claims abstract description 4
- 238000000605 extraction Methods 0.000 claims description 7
- 238000005286 illumination Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 108091008695 photoreceptors Proteins 0.000 description 2
- 230000036544 posture Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
- G06V10/462—Salient features, e.g. scale invariant feature transforms [SIFT]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Human Computer Interaction (AREA)
- Image Processing (AREA)
Abstract
一种基于光场成像结合LBP与SVM的二维虚假行人识别方法,包括如下步骤:①利用光场相机去拍摄大量行人图像和非行人图像,作为实验的正样本和负样本;②通过Lytro Desktop软件得到所拍摄图像的原始2D图像和深度图像;③运用LBP+SVM方法对原始2D图像进行行人ROI区域提取,判断是否是行人;④再次利用LBP+SVM方法对步骤③判断为行人的图像再次识别其深度图像,判断是否为二维虚假行人。本发明利用光场相机可以获取深度图像的特点来消除由于二维虚假行人造成的误识别。
Description
技术领域
本发明属于计算机视觉和模式识别领域,特别涉及一种基于光场成像结合LBP与SVM的二维虚假行人识别方法。
背景技术
识别并定位物体是计算机视觉领域重要的研究内容,作为物体检测的分支,行人识别是一种特殊情况的物体检测。人是一类特殊的物体,其不但具有普遍性而且具有多样化的特殊性。因此,行人识别具有广阔的科研价值与应用前景。
行人识别首要就是识别出行人,然而在现实生活中行人在穿着、形态变化、所处背景、光照条件都不尽相同,这对行人识别会产生严峻挑战,并且在生活中广泛存在着二维虚假打印人体照片或者人物海报,这对行人识别是致命的影响,会极大的造成误识别,降低识别准确率。
目前,对于二维虚假行人识别普遍采用以下两种方法:1、用到多传感器的组合来进行实现,但多传感器造价昂贵,性价比低并且多传感器存在相互兼容的问题;2、应用结构光来进行二维虚假行人识别,但结构光属于一种侵入式照明,可能会对人体产生不必要的伤害。
光场相机作为一种新型相机,有着巨大的发展潜力与广泛的应用前景,截至到目前为止,还没有应用光场相机去做二维虚假行人识别的研究。
光场相机机身外形与普通传统相机差不多,但内部结构大有不同。传统相机的工作原理是主镜头捕捉光线,聚焦在镜头后的胶片或感光器上,其中所有的光线总和形成相片上的小点,以显示成像。而光场相机最大的结构特点是在主镜头与感光器之间,有一个布满9万个微型镜片的显微镜阵列,每一个微小透镜阵列接收由主镜而来的光线后,尽管只记录了光线的强度信息,但却因其相对于某个微透镜的位置而记录了光线的方向信息,同时将光线资料转换,以数码方式记下。相机内置软件操作已‘扩大光场’,追踪每条光线在不同距离的影像上的落点,经数码重新对焦后,便能拍出完美照片。并且,光场相机可以保持原有相机的大孔径所带来的增加光度、减少拍照时间及起粒的情况,不用牺牲景深及及影像清晰度。更重要的是,光场相机造价成本低,使用高效、快捷,能同时输出2D图像和深度图像,并且后期应用Lytro Desktop软件对图像的处理也方便快捷。
发明内容
本发明目的在于提供一种基于光场成像结合LBP与SVM的二维虚假行人识别方法,该方法利用光场相机可以获取深度图像的特点来消除由于二维虚假行人造成的误识别。
为了实现上述目的,本发明的方案是:
一种基于光场成像结合LBP与SVM的二维虚假行人识别方法,其特征在于:包括如下步骤:
①利用光场相机去拍摄大量行人图像和非行人图像,作为实验的正样本和负样本;
②通过Lytro Desktop软件得到所拍摄图像的原始2D图像和深度图像;
③运用LBP+SVM方法对原始2D图像进行行人ROI区域提取,判断是否是行人;
④再次利用LBP+SVM方法对步骤③判断为行人的图像再次识别其深度图像,判断是否为二维虚假行人。
上述光场相机采用LYTRO公司生产的第二代Lytro-IIIum相机。
上述原始2D图像进行ROI区域提取采用公用INRIA数据集,使用的正样本是经处理的64*128大小的人体图片,使用的负样本是经处理的64*128大小的非人体图片。
上述原始2D图像进行ROI区域提取时SVM分类器是OpenCV自带的CvSVM类。
本发明具有如下的优点和积极效果:
1、本发明是基于光场成像结合LBP、SVM的二维虚假行人识别方法,可有效地解决传统行人识别方法中对二维虚假行人的误识别。
2、本发明采用以光场成像技术为背景的光场相机,同时通过运用与相机相搭配的Lytro Desktop软件,可以同时得到所拍摄图像的原始2D图像和深度图像,且运用LytroDesktop软件,能在短时间内大量的处理所拍摄的图像。
3、本发明通过运用传统LBP+SVM方法对原始2D图像提取行人ROI区域,滤除非行人样本,其次,再利用LBP+SVM方法对所提取的ROI区域的深度图像进行再识别,排除二维虚假行人的干扰,得到较高的行人识别成功率。
4、本发明行人识别所用到的行人数据集是2D图像和深度图像相结合的数据集,且是在不同的实验场景下对不同的人的姿态、高矮、胖瘦,不同的光照下所获取的,具有很强的随机性与适应性。
本发明运用传统的LBP+SVM方法对原始图像提取行人ROI区域,数据集为经典的INRIA,数据集中的图像包括不同场景下的不同行人,其姿态和穿着大不相同,还包括一些非人样本,具有广泛的代表性。其中,正负样本的图像大小为128*64。而进行行人再识别时,作为实验样本的数据集是运用我们的Lyto-IIIum相机建立。并且,通过归一化得到的图像大小为128*64(原始图像大小为2022*1404)。
本发明在进行原始2D图像ROI提取时,SVM分类器是OpenCV自带的CvSVM类,核函数为线性核函数,其参数少速度快,对于线性可分数据,其分类效果很理想。而进行行人识别时,SVM分类器是Matlab封装实现的,核函数种类为线性(Linear)核函数,其无论大样本还是小样本都有比较好的性能。
5、本发明采用以光场成像技术为背景的光场相机作为实验设备,光场相机只包括一个传感器,可以通过一次曝光即可同时获取原始2D图像和深度图像。
附图说明
图1是本发明的工作流程图。
具体实施方式
一种基于光场成像结合LBP与SVM的二维虚假行人识别方法,包括如下步骤:
1、首先利用LYTRO光场相机拍摄大量行人和非行人图像,作为实验的正负样本。
2、通过Lytro Desktop软件得到所拍摄图像的原始2D图像和深度图像;
3、应用LBP+SVM方法进行原始2D图像进行ROI区域提取,大概率滤除非行人图像,得到相应行人图像;原始图像ROI区域提取采用公用INRIA数据集,使用的正样本是经处理的64*128大小的人体图片,使用的负样本是经处理的64*128大小的非人体图片。
4、再次利用LBP+SVM方法对步骤3判断为行人的图像再次识别其深度图像,判断是否为二维虚假行人。对深度图像行人识别SVM模型是选取一定比例的正负行人深度图像样本进行训练得到的。正样本589张,负样本261张。
5、选取剩余正负行人样本进行测试,得到行人识别的准确率。
本发明利用虚假行人是二维的特点,获取其深度图像,对深度图像进行行人识别,能显著减少对二维虚假行人的误识别,提高识别准确率。
需要说明的是,以上所述仅为本发明实施例,仅仅是解释本发明,并非因此限制本发明专利范围。对属于本发明技术构思而仅仅显而易见的改动,同样在本发明保护范围之内。
Claims (4)
1.一种基于光场成像结合LBP与SVM的二维虚假行人识别方法,其特征在于:包括如下步骤:
①利用光场相机去拍摄大量行人图像和非行人图像,作为实验的正样本和负样本;
②通过Lytro Desktop软件得到所拍摄图像的原始2D图像和深度图像;
③运用LBP+SVM方法对原始2D图像进行行人ROI区域提取,判断是否是行人;
④再次利用LBP+SVM方法对步骤③判断为行人的图像再次识别其深度图像,判断是否为二维虚假行人。
2.根据权利要求1所述的一种基于光场成像结合LBP与SVM的二维虚假行人识别方法,其特征在于:上述光场相机采用LYTRO公司生产的第二代Lytro-Illum相机。
3.根据权利要求1所述的一种基于光场成像结合LBP与SVM的二维虚假行人识别方法,其特征在于:上述原始2D图像进行ROI区域提取采用公用INRIA数据集,使用的正样本是经处理的64*128大小的人体图片,使用的负样本是经处理的64*128大小的非人体图片。
4.根据权利要求1所述的一种基于光场成像结合LBP与SVM的二维虚假行人识别方法,其特征在于:上述原始2D图像进行ROI区域提取时SVM分类器是OpenCV自带的CvSVM类。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810985476.3A CN110866422A (zh) | 2018-08-28 | 2018-08-28 | 一种基于光场成像结合lbp与svm的二维虚假行人识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810985476.3A CN110866422A (zh) | 2018-08-28 | 2018-08-28 | 一种基于光场成像结合lbp与svm的二维虚假行人识别方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110866422A true CN110866422A (zh) | 2020-03-06 |
Family
ID=69651705
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810985476.3A Pending CN110866422A (zh) | 2018-08-28 | 2018-08-28 | 一种基于光场成像结合lbp与svm的二维虚假行人识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110866422A (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105787456A (zh) * | 2016-03-02 | 2016-07-20 | 江苏大学 | 一种夜间远红外图像中的行人检测方法 |
CN106682641A (zh) * | 2017-01-05 | 2017-05-17 | 北京细推科技有限公司 | 基于fhog‑lbph特征的图像行人识别方法 |
CN107609475A (zh) * | 2017-08-08 | 2018-01-19 | 天津理工大学 | 基于光场相机的行人检测误检提出方法 |
-
2018
- 2018-08-28 CN CN201810985476.3A patent/CN110866422A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105787456A (zh) * | 2016-03-02 | 2016-07-20 | 江苏大学 | 一种夜间远红外图像中的行人检测方法 |
CN106682641A (zh) * | 2017-01-05 | 2017-05-17 | 北京细推科技有限公司 | 基于fhog‑lbph特征的图像行人识别方法 |
CN107609475A (zh) * | 2017-08-08 | 2018-01-19 | 天津理工大学 | 基于光场相机的行人检测误检提出方法 |
Non-Patent Citations (1)
Title |
---|
CHEN JIA: "Identification of Pedestrians From Confused Planar Objects Using Light Field Imaging", 《IEEE》, 13 July 2018 (2018-07-13) * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106446873B (zh) | 人脸检测方法及装置 | |
CN109344701B (zh) | 一种基于Kinect的动态手势识别方法 | |
WO2020077866A1 (zh) | 基于摩尔纹的图像识别方法、装置、设备和存储介质 | |
Zeng et al. | Robust head-shoulder detection by PCA-based multilevel HOG-LBP detector for people counting | |
TW202006602A (zh) | 三維臉部活體檢測方法、臉部認證識別方法及裝置 | |
CN109635686B (zh) | 结合人脸与外观的两阶段行人搜索方法 | |
CN106022231A (zh) | 一种基于多特征融合的行人快速检测的技术方法 | |
CN107609475B (zh) | 基于光场相机的行人检测误检提出方法 | |
CN104573617B (zh) | 一种摄像控制方法 | |
Awalgaonkar et al. | Automatic license plate recognition system using ssd | |
CN103530638A (zh) | 多摄像头下的行人匹配方法 | |
CN111967288A (zh) | 智能三维物体识别和定位系统和方法 | |
CN110866426A (zh) | 基于光场相机和深度学习的行人识别方法 | |
Khan et al. | Car Number Plate Recognition (CNPR) system using multiple template matching | |
Nodari et al. | A Multi-Neural Network Approach to Image Detection and Segmentation of Gas Meter Counter. | |
CN104166840A (zh) | 一种基于视频会议系统的聚焦实现方法 | |
Sagana et al. | Object Recognition System for Visually Impaired People | |
CN110866420A (zh) | 一种基于光场相机和hog、svm的2d欺骗性行人识别方法 | |
CN109492513B (zh) | 光场监控的人脸空间去重方法 | |
CN110866422A (zh) | 一种基于光场成像结合lbp与svm的二维虚假行人识别方法 | |
Malik et al. | Automatic Number Plate Recognition based on connected component analysis technique | |
Ye et al. | Reading labels of cylinder objects for blind persons | |
CN113869151A (zh) | 一种基于特征融合的跨视角步态识别方法及系统 | |
CN113221807A (zh) | 一种多摄像头的行人重识别方法及系统 | |
Jia et al. | Object detection based on light field imaging |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200306 |
|
RJ01 | Rejection of invention patent application after publication |