[发明专利]一种基于红外的夜间智能车前方行人检测方法

权利要求书

1.一种基于红外的夜间智能车前方行人检测方法，其特征在于：

其包括如下步骤，

(1)首先利用平滑滤波方法、形态学处理技术对输入红外图像序列进行去噪预处理；

(2)通过基于像素梯度垂直投影法捕捉输入图像序列中的行人预选区域，根据行人几何特征从行人预选区域中提取感兴趣区域；

(3)提取红外图像多级二值模式特征描述感兴趣区域；

(4)利用支持向量机算法离线训练行人分类器模型；

(5)利用该分类器模型在线判断感兴趣区域为目标行人或背景；

进一步的，步骤(1)所述平滑滤波方法是对红外摄像仪器获取到的红外图像序列进行中值滤波以去除图像中孤立的噪声点；步骤(1)中所述形态学处理技术是通过形态学腐蚀运算滤除图像中较小的噪声像素，并利用形态学膨胀运算填补弱连接区域；

进一步的，步骤(2)所述行人预选区域利用红外成像热辐射的特点，导致图像中行人区域与周围区域灰度值变化明显，通过像素梯度投影方法确定行人预选区域；步骤(2)所述行人几何特征是根据行人宽高比约束分割出大概的行人区域；

进一步的，步骤(4)所述离线训练行人分类器具体指:收集含有行人的图片样本和仅含有背景的图片样本构成训练样本空间，提取训练集的多级二值模式特征，采用迭代收集困难样本的训练机制对训练集进行学习；所述学习采用基于直方图交叉核的支持向量机学习算法，获得支持向量机行人分类器；图片样本由手工裁剪得到，高度均大于或等于12个像素，样本尺度调整为64像素×128像素。

2.根据权利要求1所述的一种基于红外的夜间智能车前方行人检测方法，其特征在于：本方法主体包括两部分：行人分类器的离线训练和行人的在线检测；其具体的实施步骤如下：

(1)读取热像仪输出的红外图像数据；

(2)对图像进行中值滤波、形态学处理等预处理滤除噪声，窗口的大小为3×3；

(3)对步骤(2)的结果图像数据，计算其梯度图像；采用中心对称的一阶差分掩膜，计算水平方向的梯度分量时所用的掩膜为[1，0，1]；将所得梯度图像向垂直方向投影，得到梯度垂直投影曲线；该曲线统计了所得梯度图像中垂直方向上每一列存在的像素数x_i，i＝1，2，...，l，其中，l为输入图像在水平方向上包含的像素数，即为所得梯度垂直投影曲线拥有的列数；然后搜索梯度投影曲线中的各个x_i取值大于阈值T且线段连续的波峰，记录波峰所在的位置并提取其对应的原始图像区域作为行人预选区域；最后根据行人的长宽比R去除不满足的要求的区域；r由式(1)获得；

r＝W/H(1)

其中，W为感兴趣区域宽度，H为感兴趣区域高度，r为感兴趣区域的宽高比；在红外图像中，经计算R的比值约为0.4；

(4)通过对红外视频人工剪裁得到训练样本，具体有包含静止、行走或跑步等状态行人的正样本和仅包含背景的负样本，总共有2400幅图片；所有样本均大于12像素，采用双线性插值法将图片样本尺度调整为64像素×128像素；

(5)对训练样本进行多尺度图像金字塔分解，尺度为2，提取每个尺度层上的中心对称局部二值模式特征，最后对不同分辨率层的CS-LBP特征做加权和得到图像的多级局部模式特征表示；如式(3)所示；

中心对称局部二值模式的计算公式如式(2)所示；

其中，R为圆的半径，N是圆周上的像素点个数；n_i和n_i+(N/2)对应以中心像素对中心对称的像素值对；

F_MBP＝Σσ_lF_l,CS-LBP(3)

其中，σ_l是权值，F_l,CS-LBP是第l层的CS-LBP特征描述子；

(6)从训练集中提取样本的多级局部模式特征后，采用基于直方图交叉核的支持向量机学习算法分别训练分类器；当前行人分类器在原始视频集中搜索被错分的样本，将其作为新增训练样本并再次训练行人分类器，从而调整支持向量机行人分类器的决策超平面；当所得行人分类器在验证集上的全局分类准确率的当前值增量小于预定阈值时终止迭代训练过程，并输出行人分类器；

(7)提取经步骤(3)得到的行人感兴趣区域的MBP特征，并输入训练好的SVM分类器进行分类得出行人检测的最终结果。