当前位置：文档之家 › 基于边缘分割的车载单目远红外行人检测方法

基于边缘分割的车载单目远红外行人检测方法

  • 格式：pdf
  • 大小：1005.54 KB
  • 文档页数：6

与 地 面 问的距 离 获 得行 人 Ｒ ＯＩ ． 进 而利 用 模 板 匹配 和 跟踪 技 术实 现 行 人检 测 ， 取得 了较 好 的检测 精 度 和实时性 ， 但行人头部朝 向 、 发 型 和 穿 戴存 在 多样
性， 且较 小 尺 度 的行 人 头 部 像 素 极 少 ． 可靠 获 得 行 人 头部 Ｒ ＯＩ 存 在 困难 ． 使得 该方 法不 适 合远 距 离行
统一 的特征 空 间 ． 再 基 于 可变 形部 件模 型 （ Ｄ Ｐ Ｍ） 构
建分 类器 用 于行人 检测 ； 文献 『 ５ － ９ ］ 中利 用 方 向 梯 度
题 …， 已广 泛 应用 于智 能 机 器人 、 智 能 视频 监 控 、 汽
车 辅 助 驾驶 等 ． 基 于 远红 外 传感 器 的 车载 行 人 检 测
人 检测 ．
针 对红 外 行人 边 缘 信息 较 明显 的特点 ． 文 中提 出 了基 于加 权 Ｓ ｏ ｂ ｅ ｌ 算 子 的 图像 分 割方 法 ： 根 据行
人 Ｒ ＯＩ 的最 小 外 接 矩 形所 包 含 的像 素 数 区分 行 人
并 构 建 多姿 态 概率 模板 用 于 行人 检 测 ． 取 得 了较 好 的实 时 性 ． 但 当 背景 热 源 较 多 时 ． 全 局 行 人 模 板 方
收 稿 日期 ： ２ ０ １ ４ — ０ ５ ． ０ ８
基 金项 目 ：国 家 自然科 学 基 金 资 助 项 目 （ ６ １ ３ ０ ２ １ ２ １ ）
Ｆ ｏ ｕ ｎ ｄ ａ ｉｏ ｔ ｎ ｉ ｔ ｅ ｍ：Ｓ ｕ ｐ ｐ ｏ ａｅ ｄ ｂ ｙ ｔ ｈ ｅ Ｎａ ｔ ｉ ｏ ｎ ａ ｌ Ｎａ ｔ ｕ ｒ ａ ｌ Ｓ ｃ ｉ ｅ ｎ ｃ ｅ Ｆ ｏ ｕ ｎ ｄ ａ ｔ ｉ ｏ ｎ ｏ ｆ Ｃ ｈ ｉ ｎ ａ（ ６ １ ３ ０ ２ １ ２ １ ）
器检 测成 像模 糊 的远距 离行 人 ． 在 多个郊 区场景视 频 数据 集上 的 实验 结 果表 明 ． 与基 于双
阈值分割 的 Ｈ ＯＧ． Ｓ Ｖ Ｍ 分 类方法相 比 ． 文 中方 法的检测精度 和检 测速度 分别提 高 了约 ３ ３ ％
和 ２ ０ ０％ ．
关键 词 ： 驾驶 辅 助 系统 ；远 红外行 人 检 测 ； Ｓ ｏ ｂ ｅ １ 分 割 ；头部 识 别 ；方 向梯 度 直 方 图 ；支
持 向量机
中图 分类 号 ： Ｔ Ｐ ３ ９ １ ． ４ １
ｄ ｏ ｉ ： １ ０ ． ３ ９ ６ ９ ￣ ． ｉ ｓ ｓ ｎ ． １ ０ ０ ０ — ５ ６ ５ Ｘ． ２ ０ １ ５ ． ０ １ ． ０ １ ４
行 人 检 测 属 于 计 算 机 视 觉 领 域 的研 究 热 点 问
法 的虚警 率较 高． Ｙａ ｎ等 】 先 将 不 同分 辨率 下 的行 人 特征 映 射到
华 南 理 工 大 学 学 报 （自 然 科 学 版 ）
第４ ３卷 第 １ 期 ２ ０ １ ５ 年 １月 Ｊ ｏ ｕ ｒ ｎ ａ ｌ ｏ ｆ Ｓ ｏ ｕ ｔ ｈ Ｃ ｈ ｉ ｎ ａ Ｕｎ ｉ ｖ ｅ ｒ ｓ ｉ ｔ ｙ ｏ ｆ Ｔ ｅ ｃ ｈ ｎ ｏ ｌ ｏ ｇ ｙ
方 法 不仅 适 用 于雪 、 雾、 夜 间等环 境 ， 而 且 有利 于 复 杂 背景 的 行人 分 割． 但 行 人 姿态 的 多样 化 和 目标 背
直方图（ Ｈ ＯＧ） 特 征或 其 变种 来 描述 行 人 Ｒ Ｏ Ｉ ． 并 训 练分 类器用 于行 人检 测等 ， 取得 了较 高 的检测精 度 ． 但计 算 开销较 大 ．
取 行人 候选 区域 （ Ｒ ＯＩ ） ． 在 采 用 金 字 塔 二 值 模 式
（ Ｐ Ｂ Ｐ ） 特 征 描述 行 人 外 观 和运 动 信 息 的基 础 上 ． 训 练 支 持 向量 机 （ Ｓ Ｖ Ｍ） 分 类 器并 用 于行 人 检测 ． 取 得 了较 高的检测率 ， 但 由于行人 的 Ｒ Ｏ Ｉ 获取 过多且 Ｒ ＯＩ 描 述 特 征维 度 较 高 ． 系统 的虚警 率 和实 时性 很 难 得 到 保 障． 鉴 于行 人 目标 的热成 像较 背 景更 亮 的特 点 ． 庄 家 俊 等 利 用 双 阈值 分 割方 法 获 取 行 人 的 Ｒ ＯＩ ．
Ｖｏ １ ． ４ ３ Ｎｏ ． １
（ Ｎ ａ ｔ ｕ ｒ ａ １ Ｓ ｃ ｉ ｅ ｎ ｃ ｅ Ｅ ｄ ｉ ｔ ｉ ｏ ｎ ）
Ｊ ａ ｎ ｕ ａ ｒ ｙ ２ ０１ ５
文章编号 ： １ ０ ０ ０ — ５ ６ ５ Ｘ（ ２ ０ １ ５ ） ０ １ — ０ ０ ８ ７ ． ０ ５
基于边缘分割的车载单 目远红外行人检测方（ 华南Ｎ Ｙ － 大学 软件学院 ， 广 东 广州 ５ １ ０ ０ ０ ６ ）
摘
要： 基 于机 器 学 习的 车载 单 目远 红 外行 人检 测方 法存 在 实 时性较 差 和检 测精 度较 低
的 问题 ． 为此 ． 文 中提 出了基 于边 缘分 割的 头部一 方 向梯度 直方 图一 支持 向量机 （ Ｈｅ ａ ｄ — Ｈ ＯＧ ． Ｓ Ｖ Ｍ） 行 人检 测 方 法 ． 引入 加权 Ｓ ｏ ｂ ｅ １ 算 子 强化行 人 的垂 直边 缘 以分割 行人 候 选 区域 ： 根 据 不 同距 离行人 的 外观模 式 选择 行 人检 测 方法 ： 使 用头部 特征检 测 中、 近 距 离行人 以改善 系统的 实时性 ． 使 用头部识别级联基 于方向梯度直方 图特 征的 支持 向量机 （ Ｈ Ｏ Ｇ— Ｓ ＶＭ） 分 类
Ｏ ｌ ｍｅ ｄ ａ等 ＿ ｌ ０ Ｊ 先 获 取行人 头 部 ＲＯ Ｉ ． 再结 合 头部
景 的动态 变 化 ． 使得 车 载 单 目远 红外 行 人检 测 系 统
在 实 时性 和检测 精度 方 面面 临严 峻的挑 战． Ｓ ｕ ｎ等 联 合特 征 点 检测 和 滑动 窗 口的方 法 获

合集下载

基于红外视频的车载行人车辆检测系统

基于红外视频的车载行人车辆检测系统

基于红外视频的车载行人车辆检测系统王忠耀;任青春;王少华;郭春生【摘要】A model of traffic detection system is presented in thispaper .Firstly, achieve the foreground ex-traction within the region of interest ( ROI) based on Gaussian mixture model ( GMM) , and make a presump-tion of valid target according to the foreground .Then extract the characteristic values of the valid target on the basis of its geometrical shape , gray-scale distribution , movement speed , edge gradient distribution .And de-tect these values by putting the characteristics date into the well-trained BP neutral network , so that the detec-tion, discrimination and warning of the traffic can be realized .%该文提出一种基于红外视频的车载行人车辆检测系统模型。

利用混合高斯模型对梯形感兴趣区域提取前景，再根据前景进行目标的框定，对目标进行几何形状、灰度分布、运动速度、边缘梯度分布4类特征提取特征数据，并把特征数据代入事先用特征数据库训练好的神经网络对目标进行分类检测，以达到对行人车辆的检测判别并预警的效果。

仿真结果表明，该检测系统算法运行速度快，虚警率低，可靠性强。

车载红外图像的行人检测与跟踪技术

车载红外图像的行人检测与跟踪技术

ｕｓｎｇ ｔｒ ｅ ｆａ — ｉｆｒ ｎ ｅ ｍ ｅｈ ｄ ｗｈ ｃ ｓｂａ ｅ ｎ ｒｇ ｏ ｓｉ ａｉｎ． ｅ ｋ ｄ ｓｒａ ｅ ｏ ｎ ｔ ｎ ｂ ｓ ｄ ｉ ｈ ｅ —ｒ ｍｅ ｄｆｅｅ ｃ ｔｏ ｉ ｈ ｉ ｓ ｄ ｏ ｅ ｉ ｎ ｅ ｔｍ ｔ ｏ Ｔｈ ｎ ｗｅ ｍａ ｅ ｐｅ ｅ ｔｉｎ ｒｃ ｇ ｉｉ ａ ｅ ｏ
Ａｂ ｔ ａ ｔ Ｂ ｓ ｄ ｏ ｈ ｈ ｒ ｃ ｅ ｓｉｓｏ ｅ ｉｌ ｎ ｒｒ ｄ ｉ ｇ ｓｗｅ ｄ ｔｃ ｅ ｅ ｔｉｎ ｙ ｔ ｅｖ ｈ ｃｅ ｉ ｆ ｒ ｄ ｉ ｇ ｓ ｓｒ ｃ ： ａ ｅ ｎ ｔ ｅ ｃ ａａ ｔｒ ｔ ｆｖ ｈｃ ｅ ｉｆａ ｅ ｍａ ｅ ｅｅ ｔ ｄ ｓｒ ｓ ｂ ｈ ｅ ｉｌ ｎｒ ｅ ｉ ｃ ｐ ａ ａ ｍａ ｅ
， ） 线 在 Ｙ 连
坐 标 的差值 Ａ 可 由公 式 （ ） 得 。公 式 （ ） 出 运 Ｓ ５求 ６给 动 速率 特征 的算法 ， 中 ， 其 Ｊ ｓ为Ａ 在 实 际场景 中代 Ｓ 表 的距 离 ，为 Ｋ 与 ＋之 间 的时 间间 隔。 ｔ
Ａ Ｓ＝（ Ｋ ，ｘ ）一（ ，Ｘ） Ｃ Ｐ Ｙ Ｙｉ
ｍａ ｃ ｉ ｔ ｄ Ｔｈｅ ｅ ｐ ｒｍｅ ａ ｅ ｕｔ ｈ ｗ ｈ ｔｔ ｒ ｐ ｓ ｄ ｍｅｈｏ ａ ｅｅ ｔａ ｄ ｔａ ｋ ｔ ｅ ｅ ｔｉｎ ｃ ｎ— ｔ ｈｎｇ ｍｅｈｏ ． ｘ ｅ ｉ ｎｔｌｒｓ ｌｓ ｓ ｏ ｔａ ｈｅ ｐ ｏ ｏ ｅ ｔ ｄ ｃ ｎ ｄ ｔｃ ｎ ｒ ｃ ｈｅ ｐ ｄ ｓｒａ ｓ ａ ｅ ｒ ｔｌ ． ａｅ ｙ
Ａ Ｓ＝（ ， Ｙ ）一（ 一 ， １ １Ｙ 一 ） （） ９
求出连续两帧图像 Ｋ 与 ＋中运动 目 的质 。 标
心 坐标 （ ，ｘ － ｐ ｌＹ ＋） ， Ｋ 与 Ｋ＋质 心 Ｙ １ ￣（ ＋， 后 则 ） ｃ
车载红外图像的行人检测与跟踪技术

车载红外图像的行人检测与跟踪技术

车载红外图像的行人检测与跟踪技术苏晓倩;孙韶媛;戈曼;谯帅;谷小婧【期刊名称】《激光与红外》【年(卷),期】2012(042)008【摘要】针对车载红外图像的特点,采用基于区域估计的帧差法实现车载红外图像中的行人检测,再通过行人的几何特征和运动速率特征进行行人的识别,最后运用轮廓矩匹配算法进行行人的跟踪.实验结果表明所采用的方法具有较好的行人检测及跟踪效果.%Based on the characteristics of vehicle infrared images we detect pedestrians by the vehicle infrared images using three-frame-difference method which is based on region estimation. Then we make pedestrian recognition based on the geometric features and motion characteristics. Finally,pedestrian tracking is implemented using contour moment matching method. The experimental results show that the proposed method can detect and track the pedestrians accurately.【总页数】5页(P949-953)【作者】苏晓倩;孙韶媛;戈曼;谯帅;谷小婧【作者单位】东华大学信息科学与技术学院,上海201620;东华大学信息科学与技术学院,上海201620;东华大学信息科学与技术学院,上海201620;东华大学信息科学与技术学院,上海201620;东华大学信息科学与技术学院,上海201620【正文语种】中文【中图分类】TP391.41【相关文献】1.夜间复杂场景下红外图像行人检测算法研究 [J], 赵双;陈树越;王巧月2.基于弱显著图的实时热红外图像行人检测 [J], 李传东;徐望明;伍世虔3.改进的YOLOv4红外图像行人检测算法 [J], 史健婷;张贵强;陶金;吴林皓4.基于YOLOv4神经网络的红外图像道路行人检测 [J], 刘怡帆;王旭飞;周鹏;谭飞;焦登宁5.基于YOLOv4神经网络的红外图像道路行人检测 [J], 刘怡帆;王旭飞;周鹏;谭飞;焦登宁因版权原因，仅展示原文概要，查看原文内容请购买。

基于显著性分割的红外行人检测

基于显著性分割的红外行人检测

第37卷第2期南京理工大学学报V01．37N o．2 2Q!!生垒旦!!!竺型堕型!尘!!!旦坐!!!!堡!!!!!!!!!!!!!!!!!!!!型垒巳!：兰Q!!基于显著性分割的红外行人检测杨阳1’2，杨静宇1(1．南京理工大学计算机科学与工程学院，江苏南京210094；2．河南大学计算机与信息工程学院，河南开封475001)摘要：针对红外图像的特点和行人形状特征提出一种快速高效的行人检测算法。

采用基于直方图统计的显著性映射算法获取红外图像的显著图(SM)，统计出SM中关注点(A P)的分布，确定了自适应分割阈值；针对行人姿势的多样性，结合先验概率构建基于形状的级联模板树，在分割图像上根据匹配值确定行人的位置。

选取3个公开数据集对比几种行人检测算法。

实验结果表明，所提算法在精度和检测速度方面都有明显优势。

关键词：行人检测；红外图像；显著性分割；关注点；模板匹配中图分类号：TP391．4文章编号：1005—9830(2013)02—0251—06Pede s t r i a n det ect i on of i nf r a r e d i m ages based on s al i ency s egm ent at i onY ang Y an91一，Y ang J i ngyu1(1．School of C om put er S c i ence and E ngi nee ri ng，N U ST，N anj i ng210094，Chi na；2．Schoo l of C om put er and I nf o r m at i on E ngi nee r i ng，H e na n U ni ver s i t y，K ai f e ng475001，Chi na)A bst r act：A n eff ect i ve appr oac h f or pedes t r i an dect ect i ng i s pr esent ed i n t hi s pa pe r consi de r i ng t hecharact er i s t i cs of i nfr ared i m age s a nd hum an shapes．A m et hod bas ed o n t he st at i st i c s hi st ogr am of cont r as t i s used t o cal cul at e s al i ency m aps(S M)of i nfr ared i m ages．A t t ent i on poi nt s(A P)ext r act edf r om SM a r e use d t o de ci de t he seg m en t at i o n t hr eshol d．T he hi er archi cal par t-t em pl at e m at ch t r ee isbui l t com bi ned w i t h pri or pr obabi l i t i es and var i et i es of hum an pos t ur e．A f t er m a t chi ng t em pl at e．t r ee w i t h s egm ent e d r esul t s，pedes t r i ans a r e pr ese nt e d．Expe r i m ent r es ul t s of t he appr oac h a r e com par ed w i t h t hat of ot her m et hods o n t hr ee open dat as et s．T h e r es ul t s s how t ha t t he pr opose d al gor i t hm has t he hi gh pr eci s i on w i t h l ess t i m e．K ey w or ds：pedes t r i an det ect i on；i nf r ar ed i m age s；s al i enc y s eg m ent at i on；a t t ent i on poi nt s；t e m pl a t e m at ch行人检测是目标检测的重要研究方向。