[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

说明书

本发明公开一种图像处理与深度学习的嵌入式远红外行人检测方法，利用快速局部双阈值与局部滑窗技术获取行人候选区域；构建基于Alxnet网络和VGGnet深度网络联合分类的分类器对候选区域进行分类，获得行人检测框；在此基础上，将快速局部双阈值分割结果作为观察值对检测结果进行卡尔曼跟踪。系统包括：快速局部双阈值与局部滑窗技术获取行人候选区域的候选区域生成模块、基于Alexnet和VGGnet深度网络联合分类的分类器对候选区域进行分类的候选区域分类模块、Alexnet和VGGnet深度网络的训练和基于支持向量机的Alexnet和VGGnet网络权重训练的离线训练模块、将快速局部双阈值分割结果作为观察值对检测结果进行卡尔曼跟踪的行人跟踪模块。本发明能够较好地兼顾行人检测确率和实时性。

技术领域

本发明属于计算机视觉与模式识别、图像处理和计算机视觉的辅助驾驶系统领域，尤其涉及一种图像处理与深度学习的嵌入式远红外行人检测方法。

背景技术

平时开车时，夜间驾驶、恶劣天气和强光及光线变化时，驾驶员视野和能见度容易受到影响。若能通过传感器设备提升驾驶员的视野和能见度、并且能对道路的行人进行检测，则能有效预防交通事故的发生。车载远红外行人检测算法的研究，则是达到上述效果的关键。由于远红外根据温差成像，能有效达到夜间、恶劣天气和强光抑制的效果，故研究基于热成像的车载行人检测方法，是有效保障行车过程中道路行人安全的关键，具有较大的研究和社会价值。

王小蕾(基于候选区域列举的红外行人检测研究[J].淮北师范大学学报(自然科学版),2019,40(1):73-80.)通过选择性搜索算法得到分割结果，然后利用先验知识对分割结果进行合并获得候选区域，在此基础上，基于积分通道特征的Adaboost分类器实现远红外行人检测。该方法虽然取得了较好的实时性效果，但仍然使用传统的特征提取方法进行红外行人特征提取，尚未采用深度学习方法进行图像特征提取，导致系统精度较低，本发明专利提出利用目前精度较高的深度学习技术进行特征提取，并通过支持向量机自动学习两个深度学习分类器的权重，而且在嵌入式系统中实现。

石永彪等(基于聚合通道特征的红外行人检测方法[J].红外,2018,v.39(05):44-50.)在分类阶段，使用Adaboost分类器实现远红外行人检测。由于只使用了一个分类器完成检测，在复杂多样的车载户外场景，难以达到较高的精度。本发明专利提出利用多个分类器进行联合决策，并且各个分类器的权重并非人为决定，而是通过支持向量机学习而得。

王殿伟等(改进的YOLOv3红外视频图像行人检测算法[J].西安邮电大学学报,2018,23(04):52-56.)通过对红外图像数据集的目标候选框进行维度聚类分析、调整分类网络预训练过程和进行多尺度网络训练，改进目前的端到端深度目标检测网络YOLOv3，取得了更高的精度，然而，依然难以避免YOLOv3自身对行人定位不够准确、远距离目标检测精度过低的缺陷。故该方法对于车速较快时远距离行人目标的检测效果较差、而且对行人距离车辆的距离估计精度亦较低。

专利基于图像块深度学习特征的红外行人检测方法(中国专利授权公告号:CN106096561A，授权公告日:2016年11月09日)通过在红外行人数据集的正负样本上滑动提取小图像块，进而对小图像块进行聚类，对每一类图像块训练一个卷积神经网络，从而获得卷积神经网络组。在测试时，利用所得的神经网络组实现对候选区域的分类完成红外行人检测。该方法虽然精度较高，然而，由于所得的卷积神经网络组中包含多个深度网络，导致计算开销较大。在嵌入式中，实时性难以保证。

专利一种基于红外行人亮度统计特征的夜间行人检测方法(中国专利授权公告号:CN104778453A，授权公告日:2015年07月15日)构造了一个区分投票区间划分的亮度直方图特征，将其串联梯度方向直方图特征，将这两个特征进行联合构成最终的特征描述符，利用Adaboost结合决策树对候选区域进行分类，完成行人检测。该算法虽然实时性较好，但由于尚未利用深度学习技术提取特征，导致系统的精度较差。