[发明专利]交通场景中基于路面提取的行人检测方法

说明书

技术领域

本发明涉及的是一种图像处理技术领域的行人检测技术，具体涉及一种动态复杂交通场景中的行人检测方法。

背景技术

交通场景中的行人检测是指从固定在运动车辆上的摄像机采集得到的视频序列中将车辆前方道路上运动或者静止的行人从复杂的交通背景中检测出来，由于受行人外观多样性、行人成像尺度不同、环境背景复杂、车辆及行人运动和很高的实时性要求，使得动态交通场景中的行人检测成为一项复杂的、具有挑战性的研究课题。目前，在静态图像中，基于HOG特征描述子结合SVM分类器的行人检测方法被认为是很有效的行人检测方法。不过，HOG结合SVM的方法进行行人检测需要较长的时间，会产生较多的虚警，并且不能对小目标行人进行有效的检测，这些极大地限制了HOG算法在动态交通场景中进行行人检测的进一步应用和发展。

经典HOG算法检测时间较长、虚警较多的一个主要原因是使用全尺度的滑动窗口方法提取得到的待分类窗口数量庞大。以一个640×480的输入图像为例，经典HOG算法提取得到的待分类窗口数量高达约200,000个，在这些提取得到的待分类窗口中，包含一些行人完全不可能存在的区域，例如：天空、建筑物等，去除这些行人不可能存在的待检测窗口，保留那些行人存在可能性较高的待检测窗口，可以在不损害分类准确性的前提下显著地缩短检测时间，同时减少虚警的数量。并且通过将远处尺寸较小的行人进行尺度放大，可以提高对小目标行人的检测精度。

经对现有技术文献资料的检索发现，在国内外专利文献中尚未检索到基于道路平面提取的行人检测方法报道。在Science Citation Index Expanded（SCIE）文献检索数据库中，也尚未检索到与本发明提出的交通场景中基于路面提取检测行人方法相似的文献。

发明内容

本发明的目的在于针对现有技术中的不足，提出一种交通场景中基于道路提取的行人检测方法，在缩短检测时间、减少虚警数量的同时，较好地解决了HOG不能对小目标行人进行有效检测的问题。

根据本发明的一个方面，提供一种交通场景中基于路面提取的行人检测方法，包括如下步骤:

步骤1：计算光照不变角度，在光照不变灰度图中提取路面；

步骤2：基于路面提取感兴趣区域，并对感兴趣区域进行尺度缩放；

步骤3：使用HOG特征描述子结合SVM分类器在缩放后的区域中检测行人。

优选地，所述的光照不变角度，具体为：光照不变图中路面灰度值标准差与对数空间中投影直线的倾角相关，是指，通过改变直线倾角，统计路面灰度值标准差变化规律得到相机的光照不变角。

优选地，所述的在光照不变灰度图中提取路面，具体为：通过统计得到路面灰度值分布范围，在道路底部选择种子点，使用漫水填充算法结合形态学处理得到完整路面。

优选地，所述的对感兴趣区域进行尺度缩放，具体为：对于距离车辆较近、高度大于需要高度的窗口进行尺度缩小；对于距离车辆较远、高度小于需要高度的窗口进行尺度放大。

优选地，所述步骤1包括如下步骤：

步骤1.1：通过人工标定的方法将输入图像中的路面提取出来，以log(R/G)和log(B/G)为坐标轴构造对数空间，并将提取出的路面的RGB图像上每个像素点投影到对数空间中得到投影点，其中，R、G、B分别代表像素点颜色的红色、绿色、蓝色分量；

步骤1.2：将所有投影点在对数空间中倾角为α直线上做投影，以每个点归一化后的投影长度作为灰度值得到道路灰度图，选择道路灰度图中灰度分布居于中间90%的像素点进行道路灰度标准差计算；

步骤1.3：α∈{0°,1°,…180°}，重复步骤1.2，与道路灰度标准差对应的α即为相机的光照不变角度。

优选地，所述步骤1还包括如下步骤：

步骤1.4：在道路底部选取区域统计路面灰度直方图，结合阈值λ，确定路面灰度值分布范围；

步骤1.5：在每个方块中选取一个种子点，使用漫水填充算法结合图像形态学处理，得到完整的道路平面。

优选地，所述步骤2包括如下步骤：

步骤2.1：在道路平面上由近及远一次摆放若干个矩形窗口，窗口宽度与路面宽度相等，窗口高度由距离车辆不同距离的行人高度决定；

步骤2.2：按照高度对矩形窗口的尺寸进行归一化，对于距离车辆较近、高度大于需要高度的窗口进行尺度缩小；对于距离车辆较远、高度小于需要高度的窗口进行尺度放大。