[发明专利]一种图像处理与深度学习的嵌入式远红外行人检测方法

权利要求书

1.一种图像处理与深度学习的嵌入式远红外行人检测方法，其特征在于利用快速局部双阈值与局部滑窗技术获取行人候选区域，然后对候选区域采用基于支持向量机学习权重的深度学习双分类器进行联合分类，并将分割结果作为观察值对检测结果进行卡尔曼跟踪，完成行人检测，具体包括：步骤一，利用快速局部双阈值与局部滑窗技术获取行人候选区域；步骤二，对候选区域采用基于支持向量机学习权重的深度学习双分类器进行联合分类；步骤三，将分割结果作为观察值对检测结果进行卡尔曼跟踪；步骤一所述利用快速局部双阈值与局部滑窗技术指，快速局部双阈值算法获得初步候选区域后，在初步候选区域的基础上进行局部滑窗，从而获得最终的候选区域，以弥补目前的快速局部双阈值算法不能在各种场景获得所有行人候选区域的不足；所述快速局部双阈值算法指，通过每一个像素同一水平线上的最邻近24个像素计算出一个高阈值和一个低阈值，从而实现图像分割，通过4联通区域标记算法，获得初步的行人候选区域；所述的局部滑窗技术指，对选择性搜索所得的每个矩形框的坐上角坐标，以左上角坐标为滑窗的坐上角坐标，分别按照10×20 像素²、24×48 像素²、32×64 像素²、48×96 像素²的局部窗口大小进行滑窗，以获得最终的红外行人候选区域；步骤二所述的深度学习双分类器联合分类指Alexnet网络和VGGnet网络通过权重联合对候选区域进行分类；所述的基于支持向量机学习权重指Alexnet网络和VGGnet网络各自所占的权重由支持向量机学习所得。

2.权利要求1所述一种图像处理与深度学习的嵌入式远红外行人检测方法，其特征在于，步骤三所述的分割结果指步骤一中所得的局部自适应双阈值分割所得的分割结果；将分割结果作为观察值对检测结果进行卡尔曼跟踪值指卡尔曼跟踪算法所需的观察值是由分割结果提供。