[发明专利]一种红外行人感兴趣区域自适应分割提取方法

摘要

本发明公开了一种自适应红外行人感兴趣区域分割提取方法。现有的基于单目摄像头的全图滑窗穷搜索方法，存在搜索效率低导致检测系统无法达到实时的问题。本发明首先统计出N个红外图像直方图的第一个波谷均值To；其次计算自适应分割阈值θ；然后使用适应分割阈值θ对待分割图像进行二值化处理；对分割结果进行水平投影积分和垂直投影积分分析，滤除面积较小的热点干扰；根据满足的行人先验性知识进一步滤除面积较大的热干扰，将得到的结果记为RRule；对RRule的每个区域进行扩展和融合。本发明使用行人的长宽比、面积等先验性约束信息进行检查。本发明能极大减小滑窗搜索区域，大幅度减少搜索窗口数，提高目标检测的时间性能。

主权项

一种红外行人感兴趣区域自适应分割提取方法，其特征在于包括如下步骤：步骤1、统计出N个红外图像直方图的第一个波谷均值T0；以灰度级为直方图横坐标，每个灰度级出现的次数作为直方图的纵坐标，统计出每个红外图像的灰度直方图，找到灰度直方图的第一个波谷的灰度值Troughk，并对所有第一个波谷的灰度值取平均记为T0；其中k代表红外图像个数；步骤2、计算自适应分割阈值θ；2‑1通过第一个波谷均值T0计算出加权函数Fwtd＝α(T1‑T0)；其中T1为灰度值高于T0的统计平均值，具体的：α为微调因子，0.9<α<1.1；n为灰度值；2‑2扫描所有灰度级，求出满足类间方差最大化时的分割阈值θσ；2‑3计算出自适应分割阈值θ＝θσ+Fwtd；步骤3、使用自适应分割阈值θ对待分割图像进行二值化处理；3‑1扫描所有像素点，如果像素点的灰度级大于θ，则灰度级置为1，此时该像素点为前景目标疑似区域的像素点；如果像素点的灰度级小于等于θ，则灰度级置为0，此时该像素点为背景像素点，将此时的处理结果记为RSegmentation；步骤4、对RSegmentation进行水平投影积分和垂直投影积分分析，滤除面积较小的热点干扰；4‑1以非零像素点的累加值作为直方图纵坐标值，像素坐标为直方图横坐标求水平投影积分和垂直投影积分的直方图，具体计算如下：和其中，H(i)为水平投影积分直方图纵坐标值，H(j)为垂直投影积分直方图纵坐标值，RF(i,j)是坐标为(i,j)的像素点的灰度值；H为图像高度，W为图像宽度；4‑2以水平投影积分和垂直投影积分的直方图的纵坐标值进行过滤，去除面积非常小的零碎热点干扰，得到的结果记为RProjection，具体过滤如下：如果坐标为(i,j)的像素点的水平投影直方图纵坐标值H(i)<β，或者垂直投影积分直方图纵坐标值H(j)<β，则该像素点为热点干扰；其中β与提取目标的大小有关，取值范围是2‑8；步骤5、根据满足的行人先验性知识进一步滤除面积较大的热干扰，将得到的结果记为RRule；对RProjection中的高亮区域分别进行长宽比和面积大小的检查，滤除热点干扰包括车辆尾部、空调外机箱；如果某个区域的长宽比大于h或者小于w，则认为该区域为热干扰区域，有效滤除车辆尾部、空调外机箱的热点干扰，直接将该区域移除疑似区域，将最后得到的结果记为RRule；所述的h和w与提取目标的形状相关，目标为行人时一般h取2，w取1；步骤6、对RRule的每个区域进行扩展和融合；每个区域向上下左右四个方向分别扩展e个像素，然后检查任意两个区域之间的距离，如果距离小于等于m个像素，则直接合并，否则不作处理；最后将扩展和融合得到的区域记为RFinal，作为最终的行人疑似区域输出；所述的m与应用场景有关，取值1‑3；所述的e与要求检测到的最小目标的像素有关，取值为2‑8。