[发明专利]基于行人特征与车载摄像头的盲人检测与识别方法与系统

权利要求书

1.一种基于行人特征与车载摄像头的盲人检测与识别方法，其特征在于，包括以下步骤：

车载视觉传感器实时采集车辆周围的原始图像；

根据行人特征获得每一帧原始图像的行人hog特征图像，利用行人分类器判断行人hog特征图像中是否有行人，若有行人则在原始图像或行人hog特征图像中标记行人，若没有则进行下一帧检测；

在行人hog特征图像中的行人周围区域利用盲杖分类器判断是否有盲杖，若有则在原始图像或行人hog特征图像中标记盲杖，若没有则进行下一帧检测；

将原始图像或行人hog特征图像映射到三维世界坐标系下，利用导盲犬分类器判断三维世界坐标系下的图像中是否有导盲犬，若有则在原始图像或行人hog特征图像中标记导盲犬，若没有则进行下一帧检测；

对行人hog特征图像内的行人头部区域进行窗口遍历，在每一个窗口利用盲镜分类器判断是否有盲镜，若有则在行人hog特征图像中标记盲镜；判定该行人为盲人；若没有则进行下一帧检测。

2.根据权利要求1所述的基于行人特征与车载摄像头的盲人检测与识别方法，其特征在于，所述行人分类器通过离线训练得到，具体包括：

通过视频采集传感器采集样本图像；

通过样本图像获取行人hog特征图像；

在行人hog特征图像上进行行人的训练学习，获取行人的统计特征，即{f_k(x)}，k＝1，……，N，N为正整数，其中，x表示输入的行人hog特征图像，h_t(x)表示第t个弱分类器，其计算结果加权α_t后即为α_th_t(x)，加权求和后则构成了强分类器，f_k(x)表示行人分类器的一个强分类器，β_k表示所有弱分类器加权求和后需要满足的阈值，当整体权重之和大于β_k时，则认为满足该强分类器；

所述行人hog特征图像通过以下步骤获得：

设计hog特征块高宽比为1:1，16*16像素块，块中平均分割而成的四个单元像素块，大小为8*8；计算样本hog特征的步长为8个像素；

在YUV每个通道中，求出像素值的梯度方向的微分：▽I_x＝I(x+1,y)-I(x,y),▽I_y＝I(x,y)-I(x,y+1)；其中，I(x,y)表示坐标x,y的像素值；

分别在x方向与y方向对微分结果进行积分，进而构成像素点I(p,q)的梯度变化直方图的积分图：其中，p,q分别为像素点I(p,q)的横坐标与纵坐标；

查表计算每一个图像块的内部的像素值的梯度变化之和：

RecSUM(r)＝SUM(x-1,y-1)+SUM(x+w-1,y+h-1)-SUM(x-1,y+h-1)

-SUM(x+w-1,y-1)

其中，r表示图像块，h与w分别表示图像块的高与宽，RecSUM(r)表示图像块内的梯度变化之和；

在YUV三个通道中，对每个通道根据以上步骤进行加权联合计算，得到行人hog特征图像。