[发明专利]一种实时鲁棒的远红外车载行人检测方法

说明书

技术领域

本发明涉及计算机视觉与模式识别、智能交通系统(intelligent transportation systems, ITS)领域，具体为一种基于远红外视频的车载行人检测方法。

背景技术

汽车驾驶辅助系统中的车载行人检测是智能交通系统的一个重要组成部分，该研究主题直接来源于社会与市场需求，具有较好的应用前景和市场价值。因夜间所致机动车辆交通事故而造成的人员伤亡约为白天的3～4倍(C. Fors, S.-O. Lundkvist, Night-time traffic in urban areas: a literature review on road user aspects, Technical Report, VTI rapport 650A, 2009)。

公路运输在我国综合运输市场中发挥着举足轻重的作用，承担着90%以上的份额。随着汽车市场的快速发展和安防意识的日益强化，人们对汽车安全保障技术的需求越来越高。在雨夜、雪天或大雾等能见度较低的情况下，现有汽车照明系统视距不远、效果不佳的弊端已成为汽车行驶的安全隐患之一；减少道路交通事故和人员伤亡已成为全社会广为关注的问题。

探索车载夜间行人检测方法尤为迫切。目前，基于远红外探测器的车载夜间行人检测辅助系统已被少数发达国家应用于高档豪华轿车，在国内，已有相关的技术研究和少量应用，但是，不仅缺乏系统的基础性工作，而且多个技术挑战亟待解决。

红外行人检测方法主要包括感兴趣区域提取和行人识别两个部分。根据行人目标区域往往比背景亮度高的特点，提取红外图像的感兴趣区域通常首选阈值分割法。全局阈值分割法(如M. Bertozzi, A. Broggi, C.H. Gomez, R.I. Fedriga, G. Vezzoni, M. Del Rose, Pedestrian detection in far infrared images based on the use of probabilistic templates, in: Proceedings of IEEE Intelligent Vehicles Symposium, 2007)计算简单，执行速度快，但未能较好处理不同图像帧的行人目标在外观表象上的差异，经常导致目标分割结果不完整。为此，出现了更为鲁棒的局部阈值分割法(如J.F. Ge, Y.P. Luo, G.M. Tei, Real-time pedestrian detection and tracking at nighttime for driver-assistance systems, IEEE Transactions on Intelligent Transportation Systems, 2009)，这类方法通过局部邻域像素的灰度统计分布规律确定每一个像素的划分阈值。受可见光图像中滑窗方法的启发，Sun(H. Sun, C. Wang, B.L. Wang, N. El-Sheimy, Pyramid binary pattern features for real-time pedestrian detection from infrared videos, Neurocomputing, 2011)针对基于红外视频的实时行人检测提出一种局部滑窗法，通过扫描图像中的关键点，在所有关键点邻域范围内利用滑窗法搜索行人候选区域。

然而，已有的感兴趣区域提取方法大多针对整个图像空间进行搜索，搜索空间较大造成计算开销较高，直接影响检测系统的实时性。即使利用了局部滑窗法，关键点的提取仍然依赖于对整幅输入图像进行扫描，获得关键点数量也较为可观，时间开销问题仍然未得到较好解决。