[发明专利]辅助驾驶中基于部件的行人检测和基于特征的跟踪方法、系统

说明书

技术领域

本发明涉及高级驾驶辅助系统的计算机视觉技术，特别涉及辅助驾驶中基于部件的行人检测和基于特征的跟踪方法、系统。

背景技术

随着经济的发展，人们的购买力越来越强，越来越多的汽车行驶在公路上，随之而来的是车祸的发生量也越来越多。因为驾驶员或者行人的疏忽大意、违规操作等原因，车祸中人员的伤亡率越来越高，人们迫切需要一种技术减少交通事故的发生，尤其是减小人员受到的伤害，高级驾驶辅助系统(ADAS)正是在这样的背景下产生的。其中，行人检测系统是基于计算机视觉的高级驾驶辅助系统中非常重要的一部分，它是直接针对行人保护的系统，力图减少交通事故的发生量。由于目标的极端变化，照明条件，遮挡和高速车辆运动，检测行人对于汽车视觉系统仍然是一项具有挑战性的任务。在过去十年中，大量研究集中在这个问题上，其中，分类器在所提出的不同方法中获得了特殊的地位。许多标准特征和学习算法已经被用于行人检测。常见的选择包括基于类似Haar的特征的AdaBoost级联，或者是HOG+SVM，也有使用其他特征的，如edgelet、梯度图的变化、简单强度图像等等。在P.Viola,M.J.Jones,and D.Snow,“Detecting pedestrians using patterns of motion and appearance,”Int.J.Comput.Vis.,vol.63,no.2,pp.153–161,Jul.2005.[Online].Available:http://dx.doi.org/10.1007/s11263-005-6644-8中描述的基于类似Haar特征的级联分类器是用于行人检测的非常快速的算法。这种方法的缺点是与行人的外观的紧密联系以及由此导致的鲁棒性的缺乏。另一种方案是使用N.Dalal and B.Triggs,“Histograms of oriented gradients for human detection,”in Proc.IEEE Comput.Soc.Conf.CVPR,2005,vol.1,pp.886–893.中提出的HOG和支持向量机(SVM)的解决方案。以速度为代价，该算法更加鲁棒，并且能在更困难的情况下检测行人。将行人形状分解成多个部件在该领域中变得越来越受关注，在X.Mao,F.Qi,and W.Zhu,“Multiple-part based pedestrian detection using interfering object detection,”in Proc.3rd ICNC,2007,vol.2,pp.165–169.中，开发了一种基于Viola的Adaboost级联框架的系统，使用除了Haar特征之外的边缘特征来改善行人轮廓的检测；此外，引入了干扰对象的概念，即在特征级别上与人类相似的对象。在Part-based Pedestrian Detection and Feature-based Tracking for Driver Assistance Prioletti,Antonio；Andreas；Grislieri,Paolo；Trivedi,Mohan；Broggi,Alberto；Moeslund,Thomas B.Published in:I E E E Transactions on Intelligent Transportation SystemsDOI(link to publication from Publisher):10.1109/TITS.2013.2262045Publication date:2013，提出了一种的基于部件的分阶段检测方法(PPD)，其将未知部件位置建模为SVM框架中的潜变量。针对检测高度可变对象(例如行人)本质上是使用跟踪模块，但是在复杂场景中跟踪可变数量的对象是一个具有挑战性的过程。为了应对这种问题，通常使用逐个跟踪检测的方法，即在单独的帧中检测行人，然后再在各帧之间进行关联。

但是现有的方法都不能很好的解决带有假阳性可能的不连续检测的问题和缺失检测的问题。

发明内容

本发明要解决的技术问题是，提供用以降低假阳性的数量的辅助驾驶中基于部件的行人检测和基于特征的跟踪方法，并使用基于特征的跟踪来过滤存活候选者以增强识别鲁棒性并提高结果的稳定性。

解决上述技术问题，本发明提供了辅助驾驶中基于部件的行人检测和基于特征的跟踪方法，包括如下步骤：

1)检测阶段

1-1)输入原始图像，对所述原始图像通过积分图像的方法构造所述原始图像的矩形特征，