(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 202210760254.8 (22)申请日 2022.06.30 (71)申请人 泉州装备制造 研究所 地址 362216 福建省泉州市晋 江市罗山 街 道苏内社区溪东路16 6号 (72)发明人 戴厚德　姚瀚晨　朱利琦　彭建伟　 林志榕　夏许可　连阳林　王增伟　 张珍　 (74)专利代理 机构 厦门市首创君 合专利事务所 有限公司 3 5204 专利代理师 李秀梅 (51)Int.Cl. G06V 40/10(2022.01) G06V 10/762(2022.01) (54)发明名称 基于支持向量描述的人腿检测方法、 装置及 可读介质 (57)摘要 本发明公开了一种基于支持向量描述的人 腿检测方法、 装置及可读介质， 涉及人腿检测领 域， 通过获取激光雷达采集到的人腿的二维激光 点数据， 通过k ‑近邻算法对二维激光点数据进行 初步聚类， 得到多个候选腿部聚类； 基于候选腿 部聚类计算得到每一个候选腿部聚类的密度特 征和几何形状特征； 根据密度特征和几何形状特 征采用支持向量描述计算出每一个候选腿部聚 类的腿部支持向量； 基于候选腿部聚类的腿部支 持向量根据决策函数判断两个候选腿部聚类是 否属于同一个行人目标聚类， 得到聚类结果。 本 发明解决了人腿检测算法训练复杂、 运算缓慢、 成本高等问题， 提升检测器的搜寻速度， 降低了 计算成本， 能够移植到嵌入式机器人平台， 并得 到更加准确的行 人腿部检测结果。 权利要求书3页 说明书10页 附图5页 CN 114898408 A 2022.08.12 CN 114898408 A 1.一种基于支持向量描述的人腿检测方法， 其特 征在于， 包括以下步骤： S1， 获取激光雷达采集到的人腿的二维激光点数据， 通过k ‑近邻算法对所述二维激光 点数据进行初步聚类， 得到多个候选腿部聚类； S2， 基于所述候选腿部聚类计算得到每一个所述候选腿部聚类的密度 特征和几何形状 特征； S3， 根据所述密度 特征和几何形状特征采用支持向量描述计算出每一个所述候选腿部 聚类的腿部支持向量； S4， 基于所述候选腿部聚类的腿部支持向量根据决策函数判断两个所述候选腿部聚类 是否属于同一个行 人目标聚类， 得到聚类结果。 2.根据权利要求1所述的基于支持向量描述的人腿检测方法， 其特征在于， 所述步骤S1 具体包括： S11， 计算每 个激光点与其附近的激光 点之间的距离 d{xi, xi+1}； S12， 对所述距离 d{xi, xi+1}从小到大进 行排序， 选取前k个距离 d{xi, xi+1}所对应的二 维激光点数据； S13， 判断前k个距离 d{xi, xi+1}是否小于距离阈值， 若是， 则输出前k个距离 d{xi, xi+1} 所对应的二 维激光点数据作为所述候选腿部聚类， 否则调整k的取值， 重复步骤S12 ‑S13， 得 到候选腿部聚类{Ck}和候选腿部聚类{ Ck+1}。 3.根据权利要求2所述的基于支持向量描述的人腿检测方法， 其特征在于， 所述候选腿 部聚类的密度特征为密度权重， 所述候选腿部聚类的几何形状特征包括腿围权重和腿宽权 重。 4.根据权利要求3所述的基于支持向量描述的人腿检测方法， 其特征在于， 所述候选腿 部聚类{Ck}的密度权 重ρk采用下式计算： 其中，d{xi, xi+1}是所述候选腿部聚类{Ck}内的激光点 xi到附近各个激光点 xi+1之间的 距离，dmax{xi, xi+1}是二维激光 点xi到附近各个激光 点xi+1之间的最远距离 。 5.根据权利要求4所述的基于支持向量描述的人腿检测方法， 其特征在于， 所述候选腿 部聚类{Ck}的腿围权 重Gk采用下式计算： 其中， m为所述候选腿部聚类{Ck}中的激光点的数量， 为相邻两个激光点之间 的距离。 6.根据权利要求5所述的基于支持向量描述的人腿检测方法， 其特征在于， 所述候选腿 部聚类{Ck}的腿宽权重Wk采用下式计算： 权　利　要　求　书 1/3 页 2 CN 114898408 A 2其中， 为所述候选腿部聚类{Ck}中的第一个激光点到最后一个激光点之间 的距离。 7.根据权利要求6所述的基于支持向量描述的人腿检测方法， 其特征在于， 所述步骤S3 具体包括： 所述支撑向量描述将所述候选腿部聚类{ Ck}中的二维激光点数据描述为一个球 心为c、 半径为R的超球 体， 则所述腿部支持向量的计算如下： 其中，R是支持向量描述中的超球体半径， c是超球体的球心， ξi是减少异常值影响的松 弛系数，C是衡量超球体体积和误分类率的平衡系数， 是通过非线性变换将所述二维 激光点数据从原 始空间映射到特 征空间的函数； 最终计算得到 。 8.根据权利要求7所述的基于支持向量描述的人腿检测方法， 其特征在于， 所述步骤S4 具体包括： 所述决策函数 fSVDD的计算公式如下：   其中， sgn函数是只有0和1值的阶跃函数， n是行人目标的数量， αi和αj是拉格朗日乘子， 为候选腿部聚类{ Ck}的支持向量， 为候选腿部聚类{ Ck+1}的支持向量， 是候选腿部聚类{ Ck}和{Ck+1}的支持向量的内积， 是候选腿 部聚类{Ck}和{Ck+1}的支持向量的核函数； 若fSVDD=1， 则候选腿部聚类{ Ck}和{Ck+1}划分为同一个行人目标聚类； 若 fSVDD=0， 则候选 腿部聚类{ Ck}和{Ck+1}不能划分为同一个行 人目标聚类。 9.一种基于支持向量描述的人腿检测装置， 其特 征在于， 包括： 初步聚类模块， 被配置为获取激光雷达采集到的人腿的二维激光点数据， 通过k ‑近邻 算法对所述 二维激光 点数据进行初步聚类， 得到多个候选腿部聚类； 特征计算模块， 被配置为基于所述候选腿部聚类计算得到每一个所述候选腿部聚类的 密度特征和几何形状特 征； 支撑向量描述模块， 被配置为根据 所述密度 特征和几何形状特征采用支持向量描述计 算出每一个所述 候选腿部聚类的腿部支持向量；权　利　要　求　书 2/3 页 3 CN 114898408 A 3