一种深度图像特征的建筑物内行人检测方法

针对传统建筑物内行人检测算法复杂背景遮挡、光照影响等导致的检测不准确、效率低等问题,提出一种基于深度差值及方向梯度特征的行人检测算法.利用Kinect采集图像,在深度图像中对深度差值及方向梯度进行计算,通过滑动窗口对整个深度图像进行特征提取,获得特征向量,并利用主成分分析法降维.最后利用随机森林选取分类能力较强的特征并进行分类,实现训练及检测.在不同背景及光照条件下进行检测实验,平均检测率达到87.89%,平均每帧检测时间为0.121s.将本方法与GEBCF(泛化和检测平衡共生特征)及FCF(滤波通道特征)算法对比,检测率分别提高0.92%、0.68%.实验结果表明本方法有效提高了行人检测的准确率,具有更高的检测效率,能快速、准确地检测行人.