[发明专利]一种基于运动平台的红外行人检测方法

说明书

技术领域

本发明涉及一种基于运动平台的红外行人检测方法，属于模式识别和图像处理技术领域。

背景技术

行人检测在视频监控、人机交互、驾驶辅助系统等方面获得了越来越广泛的应用。与可见光图像相比，红外图像最大的优势在于可全天候工作。因此，近几年来很多学者致力于红外行人检测问题，并取得了一定的成果。

然而，红外行人检测仍有一些亟待克服的问题：首先，红外摄像头由于技术本身的原因具有信噪比低、高噪声等缺陷；其次，红外图像丢失了可见光图像的纹理细节等信息。

现有的行人检测系统大多数是基于可见光图像，经过对现有技术文献检索分析，发现刘琼等人的发明专利“一种实时鲁棒的远红外车载行人检测方法”，申请号为201310104777.8，该专利实现的方法以像素梯度的垂直投影捕捉输入图像中潜在的行人预选区域，以局部阈值化方法和形态学后处理技术搜索感兴趣区域，以多级熵加权梯度方向直方图为特征描述感兴趣区域并输入支持向量机行人分类器进行在线感兴趣区域判断，通过多帧校验筛选行人分类器判断结果实现行人检测。

发明内容

本发明的目的是提出一种基于运动平台的红外行人检测方法，对已有的红外检测方法进行改进，由红外摄像头采集包含行人和背景的红外图像，然后运动平台实时对红外图像进行处理，以提高检测速度和检测精度。

本发明提出的基于运动平台的红外行人检测方法，包括以下步骤：

(1)训练一个用于对运动平台的红外摄像头拍摄的图像中的行人候选区域进行选取的分类器w、增益系数v_i和偏置系数t_i，具体过程如下：

(1-1)将包含行人的红外图像作为训练样本，通过插值方法，将训练样本中的图像调整成长宽分别为W和H的图像，其中W，H∈{10，20，40，80，160，320}，计算调整后的图像的梯度范数，对长宽为8×8的图像窗口的梯度求范数，得到8×8图像窗口的64维梯度范数特征，记为g_train；

(1-2)设T为图像中所有包含行人的窗口，S为图像中的任意窗口，则窗口t∈T和窗口s∈S的叠加面积o(t，s)为：

o(t,s)=t∩st∪s,]]>

采用8×8图像窗口对步骤(1-1)中调整大小后的训练样本进行滑动采样，得到多个8×8滑动窗口，计算与8×8滑动窗口相对应的o(t，s)，将与o(t，s)≥0.5的8×8滑动窗口相对应的64维梯度范数作为正样本，与o(t，s)＜0.5的8×8滑动窗口相对应的64维梯度范数作为负样本，利用线性支持向量机，计算得到分类器w；

(1-3)利用下述公式，计算训练样本的排序得分score_train：

score_train＝〈w，g_train〉

其中，〈·，·〉表示内积；

(1-4)利用非极大抑制方法，从每个大小为i的原始图像窗口中任意选择多个原始图像窗口作为训练样本，将上述score_train作为原始图像窗口的一维特征，利用线性支持向量机，计算得到增益系数v_i及偏置系数t_i；

(2)训练一个用于对运动平台的红外摄像头拍摄的图像中的行人候选区域进行判断的极限学习机，具体过程如下：

(2-1)设定权重c_i以及阈值a_i，通过下式计算得到一个输出隐藏层矩阵H_test：