[发明专利]嵌入式车载远红外行人检测方法、系统、设备及存储介质

说明书

本申请公开了一种嵌入式车载远红外行人检测方法、系统、设备及存储介质，该方法包括：包括：获取多张原始红外图像作为数据集；对数据集中的训练集进行训练，得到卷积神经网络mobilenet_yolov3的目标检测模型；采用训练好的目标检测模型检测待测红外图像中的行人目标，输出初步的行人识别结果；将目标检测模型输出的行人识别结果结合行人在待测红外图像上的显著性特征进行逐一校验，剔除不满足显著性特征的行人识别结果，以得到最终检测结果。这样可以对道路上的行人进行有效检测，提高车辆全天候出行的安全性，并且识别率高、漏检率低、误检率低、实时性好，检测精度高，满足实际应用的需求。

技术领域

本发明涉及目标检测技术领域，特别是涉及一种嵌入式车载远红外行人检测方法、系统、设备及存储介质。

背景技术

车辆夜间驾驶时，恶劣天气和强光等容易影响驾驶员视野和能见度，发生交通事故的比例明显高于白天。传统的可见光行人检测算法如HOG+SVM或ACF+Adaboost等效果差，并不能满足车载复杂场景对识别率的要求。

近年来，基于热成像的车载行人检测方法研究已经取得了一定的成果，但大都停留在PC端仿真阶段，实用性不强，迫切需要在检测准确率、实时性等方面做出进一步的改进，并且需求算法能够移植到嵌入式系统。

因此，如何解决现有的车载行人检测方法的识别率低、实时性差、误检率高、算法未在嵌入式设备中运行等问题，是本领域技术人员亟待解决的技术问题。

发明内容

有鉴于此，本发明的目的在于提供一种嵌入式车载远红外行人检测方法、系统、设备及存储介质，识别率高、漏检率低、误检率低、实时性好、检测精度高，满足实际应用的需求。其具体方案如下：

一种嵌入式车载远红外行人检测方法，包括：

获取多张原始红外图像作为数据集；

对所述数据集中的训练集进行训练，得到卷积神经网络mobilenet_yolov3的目标检测模型；

采用训练好的所述目标检测模型检测待测红外图像中的行人目标，输出初步的行人识别结果；

将所述目标检测模型输出的行人识别结果结合行人在所述待测红外图像上的显著性特征进行逐一校验，剔除不满足显著性特征的行人识别结果，以得到最终检测结果。

优选地，在本发明实施例提供的上述嵌入式车载远红外行人检测方法中，获取多张原始红外图像作为数据集，具体包括：

通过安装在车辆上的红外摄像头在不同地域、不同季节、不同天气下采集不同场景的视频；

将采集的视频按设定比例进行抽帧得到原始红外图像并进行清洗，获取清洗后的多张原始红外图像作为数据集。

优选地，在本发明实施例提供的上述嵌入式车载远红外行人检测方法中，在得到卷积神经网络mobilenet_yolov3的目标检测模型之后，还包括：

采用所述数据集中的测试集对训练好的所述目标检测模型进行测试，输出包含各类别精度平均值和召回率的参数信息，并对所述参数信息进行调优。

优选地，在本发明实施例提供的上述嵌入式车载远红外行人检测方法中，将所述目标检测模型输出的行人识别结果结合行人在所述待测红外图像上的显著性特征进行逐一校验，剔除不满足显著性特征的行人识别结果，具体包括：

判断所述目标检测模型输出的识别框面积内亮度均值是否大于所述待测红外图像的亮度均值，若否，则剔除该识别框；

判断所述目标检测模型输出的识别框的宽高比是否在0.4至0.6之间，若否，则剔除该识别框；

通过Haar-like特征的头部校验算法对所述目标检测模型输出的识别框进行判别；