[发明专利]车辆行驶过程中对人物进行识别的系统

摘要

本发明公开了车辆行驶过程中对人物进行识别的系统，包括以下步骤：获取背景图像、获取前景图像、行人特征获取，行人检测与计算方法。该系统能够准确地自动识别人物，便于驾驶者能够进行采取措施，减少用于车辆行驶速度或者道路环境限制无法看清人物引发安全事故的问题，保证了行驶的安全。

主权项

车辆行驶过程中对人物进行识别的系统，其特征在于，包括以下步骤：(1)获取背景图像：利用运动目标运行一段时间的序列图像进行平均而得到背景图像：$B(x,y)=\frac{1}{N}\underset{i=1}{\overset{N}{\Σ}}{I}_i(x,y)$B(x,y)表示背景图像，I_i(x,y)表示第i帧序列图像在象素点(x,y)的灰度值，N表示帧数；(2)获取前景图像：M_i(x,y)＝I_i(x,y)‑B_i(x,y)其中I_i(x,y)表示第i帧视频图像象素点为(x,y)位置的象素灰度值，B_i(x,y)表示背景图像，Mi(x,y)为前景图像，即一幅图像由前景图像和背景图像组成视频背景图像定义为视频中对象固定不变的场景物体和目标，而视频前景看作为由移动目标构成的图像；(3)行人特征获取：有限混合模型是一种混合统计的建模工具,它表示为：f(Z_i|θ)＝π₁N(Z_i,μ₁,P₁)+…+π_mN(Z_i,μ_m,P_m)式中，z＝{z_i},i＝1,……,n表示观测数据，θ是参数集，表示如下几个参数：高斯混合权重π₁，……，π_m，高斯均值μ₁,……,μ_m和高斯协方差阵P₁,……P_m,从观测数据中计算权重，均值和协方差3类混合参数，由于行人个数位置未知，这意味着混合分布个数m是未知的，为此，引入贝叶斯信息准则来计算高斯混合分布元个数,该准则表示为：BIC(m)＝‑2L(θ|z)+mln(n)式中，m是分布元个数，L(.)是参数似然函数；(4)行人检测与计算方法：通过背景消减获得的提取行人图像，然后应用基于BIC准则和Gibbs采样的有限混合模型无监督学习算法，采用matlab程序算法，调整权重，进行无监督学习，然后根据以下两个判断是否为人形：(A)权重π是否大于阈值权重，若小于，则判定为干扰，舍去；(B)学习后椭圆形长轴和短轴的比值，是否在所定义的范围内，并且计算长轴与Y方向，即纵向夹角，判断该角是否小于定义的阈值范围。