[发明专利]基于神经网络面向汽车辅助驾驶的行人检测方法

权利要求书

1.一种基于神经网络面向汽车辅助驾驶的行人检测方法，其主要步骤在于：包括：

A、搭建了面向汽车辅助驾驶的行人检测的实验数据采集与测试平台；

B、降低在检测过程中获取候选行人区域时需要在大量背景区域上花费较大的搜索开销；

C、候选网络行人进行初定位；

D、在分类器的离线训练环节，确定训练机制，通过迭代等优化方式获得更为鲁棒的行人分类器。

2.根据权利要求1所述的基于神经网络面向汽车辅助驾驶的行人检测方法，其步骤在于：搭载了单目远红外传感器（即热像仪，下文称为摄像头）的小轿车，提出基于神经网络进行ROIs 提取，训练过程中从数据预处理以及迭代对于检测算子的鲁棒性优化。

3.根据权利要求2所述的基于神经网络面向汽车辅助驾驶的行人检测方法，其步骤在于：所述步骤A，其包括：

A1、行人样本及其预处理，将行人样本集划分为多个子类；

A2、基于局部区域搜索的 ROIs 提取，并尽可能抑制仅包含背景目标的候选区域；

A3、基于faster rcnn的区域候选网络RPN，从卷积步骤图上从大量的位置与大小均不定的窗口中得出最有可能是物体的窗口；

A4、分类器采用基于 bootstrapping 和提前终止策略的训练机制，迭代训练搜索并有效利用表征背景目标的“困难”训练数据。

4.根据权利要求3所述的基于神经网络面向汽车辅助驾驶的行人检测方法，其A1步骤在于：根据不同的运动朝向，这里将行人样本集划分为 3 个子类，分别对应沿着摄像头运动（包括踩单车、跑步和行走等运动方式）、横跨摄像头由右向左运动和横跨摄像头由左向右运动。

5.根据权利要求3所述的基于神经网络面向汽车辅助驾驶的行人检测方法，其A2步骤在于：所述步骤A2，其包括：

A2-1、预分割环节，提出基于像素梯度的垂直投影方法，利用远红外图像中行人目标像素灰度值的分布特点，对输入图像的所有竖直带状图像区域进行评估，从而过滤不具有显著灰度变化的竖直带状图像区域；

A2-2、在 ROIs 产生环节，利用自适应局部双阈值分割算法对所得的竖直带状图像区域执行二值分割，从而产生精确的 ROIs。

6.根据权利要求3所述的基于神经网络面向汽车辅助驾驶的行人检测方法，其A3步骤在于：通过在卷积步骤图上利用卷积核进行滑动窗口，不同的卷积核滑窗产生预先设定的不同尺度的锚点窗口位置与分数，得分最高的锚点窗口即为候选窗口。

7.根据权利要求3所述的基于神经网络面向汽车辅助驾驶的行人检测方法，其A4步骤在于：上一轮迭代训练所得的行人分类器通过自身的预测结果，从仅包含背景模式的视频序列中搜索被错分的训练数据组成表征背景目标的扩展训练集；在新一轮的迭代过程中，扩展训练集将结合初始训练集更新或重新训练行人分类器。