(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210147839.2 (22)申请日 2022.02.17 (71)申请人 广州大学 地址 510006 广东省广州市大 学城外环西 路230号 (72)发明人 朱静　叶志强　林静旖　陈宇瀚　 薛穗华　潘梓沛　韦国强　尹邦政　 陈泳轩　毛俊彦　 (74)专利代理 机构 北京高航知识产权代理有限 公司 11530 专利代理师 刘艳玲 (51)Int.Cl. G06V 40/16(2022.01) G06V 10/50(2022.01) G06V 10/77(2022.01)G06V 10/44(2022.01) G06V 10/80(2022.01) G06V 10/764(2022.01) G06K 9/62(2022.01) (54)发明名称 基于Gabor特征和HOG特征融合的行人检测 系统 (57)摘要 本发明涉及智能监控技术领域， 且公开了基 于Gabor特征和HOG特征融合的行人检测系统， 包 括首先对输入图像进行预处理， 若图像不是人脸 图像， 需要先对图像进行人脸检测、 人脸截图和 人脸对齐， 然后针对人脸图像进行灰度化、 滤波 和归一化， 构造Gabor滤波器组， 设置 滤波器的核 尺寸和方向， 构造Gabor滤波器组。 本发明通过计 算每个单元的每个像素的梯度， 并统计细胞单元 的梯度方向直方图， 以30 °为间隔划分6个bin， 则 每个细胞单元可以得到一个6维的特征向量， 最 后将块归一化的特征向量进行串联， 合成HOG特 征向量， 通过此过程， 可以得到20张特征图， 该特 征图为二级特征， 采用PCA对融合特征进行降维， 最后用SV M作为分类器进行人脸识别， 简化操作， 提高人脸识别的效率。 权利要求书1页 说明书3页 附图1页 CN 114529970 A 2022.05.24 CN 114529970 A 1.基于Gabor特 征和HOG特征融合的行 人检测系统， 其特 征在于， 包括以下步骤： S1、 首先对输入图像进行预处理， 若图像不是人脸图像， 需要先对图像进行人脸检测、 人脸截图和人脸对齐， 然后针对人脸图像进行 灰度化、 滤波和归一 化； S2、 构造Gabor滤波器组， 设置滤波器的核尺寸和方向， 构造Gabor滤波器组； S3、 对归一化人脸图像进行Gabor变换得到Gabor特征， 共20个Gabor特征图， 该特征图 为一级特征； S4、 对大小为96X112的Gabor特征图提取HOG特征， 采用Gamma校正消除光照不均对图像 的影响， 针对图像中的每个像素点(x， y)， 分别沿水平方向和垂直方向计算梯度， 把图像分 成若干区称为细胞 单元； S5、 将二级特 征图压缩成一维的特 征向量， 再将特 征向量进行串联构成融合特 征； S6、 使用主成分分析对融合特征进行降维， 得到降维后的数据特征， 用SVM对降维后的 G‑H数据进行分类， 最后输出 结果。 2.根据权利 要求1所述的基于Gabor特征和HOG特征融合的行人检测系统， 其特征在于： 所述S2中将滤波器核尺寸设置为3、 5、 7、 9、 11， 方向设置为0 °、 45°、 90°、 135°， 生成一个 Gabor滤波器组， 此时可以获得4X5＝20个不同的Gabor滤波器。 3.根据权利 要求1所述的基于Gabor特征和HOG特征融合的行人检测系统， 其特征在于： 所述S4中将96X112划分成12X14个细胞单元， 每个细胞单元的大小为8X8， 并把每2X2 个细胞 单元划分为 一个块， 可以划分6X 7个块。 4.根据权利 要求3所述的基于Gabor特征和HOG特征融合的行人检测系统， 其特征在于： 所述S4中计算每个单元的每个像素的梯度， 并统计细胞单元的梯度方向直方图， 以30 °为间 隔划分6个bin， 则每个细胞单元可以得到一个6维的特征向量， 最后将块归一化的特征向量 进行串联， 合成HO G特征向量， 通过 此过程， 可以得到20张特 征图， 该特征图为二级特征。权　利　要　求　书 1/1 页 2 CN 114529970 A 2基于Gabor特征和H OG特征融合的行人检测系统 技术领域 [0001]本发明涉及智能监控技术领域， 具体为基于Gabor 特征和HOG特征融合的行人检测 系统。 背景技术 [0002]人脸识别技术是一种利用人脸特征进行身份认证的技术， 和虹膜识别技术与指纹 识别技术一样属于生物特征识别技术。 但是相比虹膜和指纹特征， 人脸特征不仅具有 唯一 性和持久性， 最重要的是不需要接触即可进行身份认证， 因此人脸识别技术逐渐成为了身 份认证方式的主流， 也相继落 地了大量基于人脸识别的产品， 极大地便利了人们的生活。 [0003]Gabor特征提取算法可以在不同方向上提取人脸图像的细节纹理特征， 对光照、 遮 挡和表情变化都具有一定的鲁棒性， 而HOG特征更加注重人脸图像的边缘特征。 本文将 Gabor特征和HOG特征进 行融合， 设计了一个融合特征(本文称G ‑H特征)提取算法。 该融合特 征提取算法得到的融合特征的维数太大， 不利于计算， 采用PCA对融合特征进行降维， 最后 用SVM作为分类 器进行人脸识别。 发明内容 [0004]本发明的目的在于提供了基于G abor特征和HOG特征融合的行人检测系统， 达到采 用PCA对融合特征进行降维， 最后用SVM作为分类器进行人脸识别， 简化操作， 提高人脸识别 的效率。 [0005]为实现上述目的， 本发明提供如下技 术方案： [0006]基于Gabor特 征和HOG特征融合的行 人检测系统， 包括以下步骤： [0007]S1、 首先对输入图像进行预处理， 若图像不是人脸图像， 需要先对图像进行人脸检 测、 人脸截图和人脸对齐， 然后针对人脸图像进行 灰度化、 滤波和归一 化。 [0008]S2、 构造Gabor滤波器组， 设置滤波器的核尺寸和方向， 构造Gabor滤波器组。 [0009]S3、 对归一化人脸图像进行Gabor变换得到Gabor特征， 共20个Gabor特征图， 该特 征图为一级特征。 [0010]S4、 对大小为96X112的G abor特征图提取HOG特征， 采用Gamma校正消除光照不均对 图像的影响， 针对图像中的每个像素点(x， y)， 分别沿水平方向和垂直方向计算梯度， 把图 像分成若干区称为细胞 单元。 [0011]S5、 将二级特 征图压缩成一维的特 征向量， 再将特 征向量进行串联构成融合特 征。 [0012]S6、 使用主成分分析对融合特征进行降维， 得到降维后的数据特征， 用SVM对降维 后的G‑H数据进行分类， 最后输出 结果。 [0013]优选的， 所述S2中将滤波器核尺寸设置为3、 5、 7、 9、 11， 方向设置为0 °、 45°、 90°、 135°， 生成一个Gabor滤波器组， 此时可以获得4X5＝20个不同的Gabor滤波器。 [0014]优选的， 所述S4中将96X112划分成12X14个细胞单元， 每个细胞单元的大小为8X8， 并把每2X2个细胞 单元划分为 一个块， 可以划分6X 7个块。说　明　书 1/3 页 3 CN 114529970 A 3