[发明专利]红外-可见光双目行人身体多部件融合的持续距离估计方法

权利要求书

1.一种红外-可见光双目行人身体多部件融合的持续距离估计方法，其特征在于，包括如下步骤：

S1.通过红外-可见光双目摄像头拍摄同一车前图像，得到红外车前图像和可见光车前图像；

S2.多时间尺度检测跟踪，确定红外车前图像和可见光车前图像中目标行人的位置；步骤S2的多时间尺度检测跟踪的方法是：

(1)设定视频序列中某一帧为第一帧，并主动对该帧的行人信息进行标注；

(2)根据第一帧的标注内容，使用KCF算法持续对行人进行跟踪；

(3)在进行m帧图像跟踪后，将跟踪结果作为输入，提取HOG特征并通过SVM分类器在线训练行人检测模型，并检测视频序列中的图像，检测结果将作为跟踪结果的校验存在，设定每隔m帧图像对图像进行一次检测实现跟踪矫正，共进行n次，检测帧数k为：

k＝1+m×n，n∈Z   (1)

S3.获取两种图像中的行人头高，并计算头部件距离估计结果，计算脚部件距离估计结果；方法包括由粗粒度行人头高估计与细粒度行人头高估计：

粗粒度行人头高估计通过头部件高度与身体高度之间的固定比例r对头高估计，头高H_{re_head}与身体高度H_body比例r_hb通过仿真实例确定，

头高为

H_{re_head}＝H_body×r_hb          (2)

细粒度方法是由超像素算法得到头部像素高度，而头部像素高度应在比例范围内浮动，其参考范围是：

H_{re_head}×(1-r_re)＜H_head＜H_{re_head}×(1+r_re)          (3)

其中，r_re为浮动系数，控制在0.2-0.3之间，当通过细粒度方法获取到的头部像素高度H_head位于参考范围内，将H_head作为头部高度输出，否则判定超像素获取行人头部像素高度失效，并令H_{re_head}作为输出；

S4.对行人不同身体部件距离估计结果进行一级融合，对根据可见光及红外光图像输出的估计距离进行二级融合，完成级联式行人头部件、脚部件的距离融合，而确定行人与车前距离；对行人不同身体部件距离估计结果进行一级融合的方法是：待估计距离的行人站在同一已知距离的多个不同位置，该距离是行人与车前的距离，进行距离估计，在一个位置分别进行投部件距离估计和脚部件距离估计，完成全部位置的距离估计，通过头部件获取距离估计结果集合x₁，通过脚部件获取距离估计结果集合x₂，是头部件获取距离估计结果集合x₁的均值，是脚部件获取距离估计结果集合x₂的均值，头部件距离估计结果所占权重为p₁，脚部件距离估计结果所占权重为p₂，σ是标准差，则融合权重为：

对于实际的某一次距离检测中，头部件距离估计结果D_A，脚部件距离估计结果D_B，则距离估计值D₁：

D₁＝p₁D_A+p₂D_B   (5)；步骤S4中对根据可见光及红外光图像输出的估计距离进行二级融合的方法是：

获取红外车前图像距离估计集合：使红外车前图像所获取的头部件距离估计结果集合是D_H，红外车前图像的脚部件距离估计结果集合是D_F，则红外车前图像的距离估计值集合是D_V：

D_V＝p₁D_H+p₂D_F            (5)

获取可见光车前图像距离估计集合：使可见光车前图像所获取的头部件距离估计结果集合是D_G，可见光车前图像的脚部件距离估计结果集合是D_K，则可见光车前图像的距离估计值集合是D_I：

D_I＝p₁D_G+p₂D_K

对于红外车前图像的距离估计值集合D_V，可见光车前图像的距离估计值集合D_I，是红外车前图像的距离估计值集合D_V的均值，是可见光车前图像的距离估计值集合D_I的均值，红外车前图像的距离估计结果所占权重为p₃，可见光车前图像的距离估计结果所占权重为p₄，则融合权重为：

对于实际的某一次距离检测中，红外车前图像的距离估计结果D_C，可见光车前图像的距离估计结果D_D，则距离估计值D₂：

D₂＝p₃D_C+p₄D_D    (7)。

2.如权利要求1所述的红外-可见光双目行人身体多部件融合的持续距离估计方法，其特征在于，还包括S5.对距离输出结果进行跟踪检验，输出校验准确距离。