[发明专利]一种实时鲁棒的远红外车载行人检测方法

权利要求书

1.一种实时鲁棒的远红外车载行人检测方法，其特征在于包括如下步骤：

（1）通过基于像素梯度垂直投影法捕捉输入图像序列中的行人预选区域；

（2）采用局部阈值化方法和形态学后处理技术从行人预选区域中提取感兴趣区域 (regions of interest, ROIs)；

（3）提取多级熵加权梯度方向直方图特征(pyramid entropy weighted histograms of oriented gradients, PEWHOG)描述感兴趣区域；

（4）利用支持向量机(support vector machine, SVM)算法离线训练行人分类器；

（5）利用行人分类器在线判断感兴趣区域，并通过多帧校验方法筛选行人分类器的判断结果，实现行人检测。

2.根据权利要求1所述实时鲁棒的远红外车载行人检测方法，其特征在于，步骤(1)所述行人预选区域通过以下方法获得：利用远红外图像中行人垂直边缘区域呈现像素灰度快速变化的特性，通过基于像素梯度的垂直投影捕捉输入图像中亮度发生突变的区域作为行人预选区域，改善提取感兴趣区域的实时性。

3.根据权利要求1所述实时鲁棒的远红外车载行人检测方法，其特征在于，步骤(2)所述局部阈值化方法是根据输入图像中每个像素水平邻域的像素灰度值的统计特性确定划分阈值，对输入图像进行二值化处理得到二值图像；步骤(2)所述形态学后处理技术具体是通过形态学腐蚀运算滤除二值图像中的噪声像素，并利用形态学膨胀运算填补弱连接区域(weakly connected regions)，再利用8-连通标记法提取所述二值图像中的所有连通区域作为感兴趣区域。

4.根据权利要求1所述实时鲁棒的远红外车载行人检测方法，其特征在于，步骤(4)所述离线训练行人分类器具体指：收集含有行人的图片样本和仅含有背景的图片样本构成训练样本空间，根据所述含有行人的图片样本的三个高度区间划分训练样本空间，构成三个互不相交的训练子集；所述高度是指含有行人的图片样本在垂直方向上包含的像素数；分别提取各个训练子集的多级熵加权梯度方向直方图特征，采用迭代收集困难样本的训练机制对各个训练子集进行学习；所述学习采用基于直方图交叉核 (histogram intersection kernel, HIK)的支持向量机学习算法，获得三分支结构支持向量机行人分类器。

5.根据权利要求4所述实时鲁棒的远红外车载行人检测方法，其特征在于通过手工裁剪和/或步骤(1)～步骤(2)所述的方法获取含有行人的图片样本和仅含有背景的图片样本，组成所述训练样本空间；所有图片样本的高度均大于或等于12个像素：高度大于或等于64个像素的归为近距离样本子集，并将近距离样本子集中的样本尺度调整为32像素×80像素；高度大于或等于32个像素且小于64个像素的归为中等距离样本子集，并将中距离样本子集中的样本尺度调整为24像素×64像素；其余归为远距离样本子集，并将远距离样本子集中的样本尺度调整为12像素×32像素；所述尺度调整均采用双线性插值法实现。

6.根据权利要求1所述实时鲁棒的远红外车载行人检测方法，其特征在于在多种单元格(cell)粒度划分方式下提取熵加权梯度方向直方图特征(entropy weighted histograms of oriented gradients, EWHOG)，通过并接方式组成步骤(3)所述的多级熵加权梯度方向直方图特征；所述多种单元格(cell)粒度划分方式是指通过由粗到细的分级方式对图片样本进行单元格划分；步骤(3)所述多级熵加权梯度方向直方图特征用于显著表征远红外行人边缘轮廓的空间分布特性；所述熵加权梯度方向直方图特征是利用信息熵对经典梯度方向直方图特征 (histograms of oriented gradients, HOG)中不同块(block)提供的梯度方向直方图特征分量进行加权得到的特征。