[發(fā)明專利]基于遠(yuǎn)紅外線攝像頭的夜間行人識(shí)別方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201410093022.7
• 申請(qǐng)日: 2014-03-13
• 公開（公告）號(hào): CN104143098B
• 公開（公告）日: 2017-07-28
• 發(fā)明（設(shè)計(jì)）人: 姜柄凖;柳東奎
• 申請(qǐng)（專利權(quán)）人: 現(xiàn)代摩比斯株式會(huì)社
• 主分類號(hào): G06K9/62
• 分類號(hào): G06K9/62;G06K9/66
• 代理公司: 北京同立鈞成知識(shí)產(chǎn)權(quán)代理有限公司11205
• 代理人: 馬爽,臧建明

技術(shù)領(lǐng)域

本發(fā)明涉及夜間行人識(shí)別方法,更具體地說(shuō)，涉及基于遠(yuǎn)紅外線攝像頭的夜間行人識(shí)別方法，基于通過(guò)遠(yuǎn)紅外線攝像頭獲得的影像檢出行人并判斷其位置。

背景技術(shù)

最近，交通事故中行人事故占據(jù)相當(dāng)一部分。這種行人事故會(huì)牽連到更大的人命事故，所以非常嚴(yán)重。

尤其，夜間的駕駛視野會(huì)急劇變小，所以經(jīng)常發(fā)生駕駛員很難看到行人的現(xiàn)象。為了防止這種現(xiàn)象，通過(guò)利用如近紅外線攝像頭或與遠(yuǎn)紅外線攝像頭的傳感器使得駕駛員確保視野而提供視圖的方法和通過(guò)夜間行人的識(shí)別進(jìn)行提前報(bào)警等方法，進(jìn)行著Night Vision（夜視）系統(tǒng)的研究。

此外，對(duì)于行人保護(hù)相關(guān)的研究也在活躍地進(jìn)行。例如，提前識(shí)別行人，向駕駛員發(fā)送警報(bào)，或通過(guò)控制車輛而制動(dòng)的構(gòu)成，事前防止行人事故的ADAS系統(tǒng)(尖端駕駛員輔助系統(tǒng))等。

本田公司為了抽出行人候選組，選擇了利用紅外線攝像頭中行人的灰度值較高的特征而進(jìn)行二值化的方法。但是這種方法可通過(guò)像素的灰度值與周邊的平均亮度值等的比較而區(qū)分領(lǐng)域，但問(wèn)題點(diǎn)在于，由于影像雜音而發(fā)生選擇錯(cuò)誤。

GM公司利用行人的警戒信息和動(dòng)作分析而決定Confidence level（置信水平），由此檢出行人。利用這種動(dòng)作分析的行人檢出方法，因車輛有攝像頭本身的活動(dòng)，要分析全部領(lǐng)域發(fā)生的動(dòng)作的方向，需要很長(zhǎng)的處理時(shí)間。并且存在沒有行人的活動(dòng)時(shí)正確度降低的問(wèn)題點(diǎn)。

在先專利文獻(xiàn)

美國(guó)注冊(cè)專利公報(bào)第7130448號(hào)(申請(qǐng)日:2003.01.17)

美國(guó)注冊(cè)專利公報(bào)第8050459號(hào)(申請(qǐng)日:2008.07.25)

發(fā)明內(nèi)容

（要解決的技術(shù)問(wèn)題）

本發(fā)明的目的在于提供一種基于遠(yuǎn)紅外線攝像頭的夜間行人識(shí)別方法，從遠(yuǎn)紅外線攝像頭接收行人的熱成像影像的輸入，使用對(duì)影像雜音具有強(qiáng)韌特性的DoG(高斯差-Difference of Gaussian)過(guò)濾器而設(shè)置候選組，通過(guò)行人的行為特性的分類器，正確地識(shí)別行人。

（解決問(wèn)題的手段）

為了達(dá)成上述本發(fā)明的目的，本發(fā)明的特征在于，包括：接收行人的熱成像影像的輸入的階段；利用DoG(Difference of Gaussian)過(guò)濾器獲得輸入的影像的各像素的第1回應(yīng)值的階段；測(cè)定輸入的影像的各像素的分散值(Variance)的階段；由DoG過(guò)濾器的第1回應(yīng)值和分散值的乘積計(jì)算像素的第2回應(yīng)值，對(duì)其二值化并生成二值化影像的階段；從二值化影像生成行人候選組群集的階段；把行人候選組群集根據(jù)行人的行為特性所學(xué)習(xí)的一個(gè)以上的分類器分類而識(shí)別行人的階段；算出行人的位置的階段。

熱成像影像的特征在于，通過(guò)影射紅外線帶域的光的遠(yuǎn)紅外線攝像頭所拍攝的影像，第1回應(yīng)值的特征在于，具有不同標(biāo)準(zhǔn)偏差的兩個(gè)高斯過(guò)濾器對(duì)輸入的影像分別進(jìn)行卷積(convolution)而生成的兩個(gè)影像的相同像素下的差值。

分散值是算出輸入的影像的一個(gè)像素和相鄰像素的的明暗差異(contrast)而獲得的值，二值化影像是二值化第2回應(yīng)值低的像素為0(黑色)、高的像素為1(白色)的影像。

行人候選組群集生成階段中，通過(guò)連接要素標(biāo)記(Component Labeling)方法，把第2回應(yīng)值類似的部分歸為一個(gè)領(lǐng)域而進(jìn)行群集化。

行人候選組群集分類為三個(gè)群集，即行人向左邊走或跑的群集、向前后走或跑的群集、向右邊走或跑的群集；行人識(shí)別階段中，測(cè)定對(duì)行人候選組群集進(jìn)行學(xué)習(xí)后生成的分類器的信賴值，合計(jì)各個(gè)信賴值，最終對(duì)行人與否進(jìn)行分類。

學(xué)習(xí)的特征在于，對(duì)行人移動(dòng)的方向和角度進(jìn)行至少一次的實(shí)驗(yàn)而對(duì)各相似的移動(dòng)確保數(shù)據(jù)；信賴值的特征在于，是對(duì)通過(guò)分類器所獲得的學(xué)習(xí)數(shù)據(jù)和通過(guò)二值化影像收集的行人候選組群集的類似度，進(jìn)行數(shù)值化的值。這種信賴值的類似度越高，其值也越高。

行人的位置通過(guò)分類的行人的二值化影像的位置信息和攝像頭校準(zhǔn)(calibration)信息算出，這時(shí)，位置信息的特征在于，根據(jù)二值化影像的行人的大小，改變DoG過(guò)濾器的參數(shù)值而獲得。

（發(fā)明的效果）

根據(jù)本發(fā)明的基于遠(yuǎn)紅外線攝像頭的夜間行人識(shí)別方法，使用遠(yuǎn)紅外線攝像頭和DoG過(guò)濾器而設(shè)置候選組，通過(guò)根據(jù)行人的行為特性所學(xué)習(xí)的分類器，提高識(shí)別行人的正確度，事前防止人命事故。

附圖說(shuō)明

圖1是根據(jù)本發(fā)明的優(yōu)選實(shí)施例的基于遠(yuǎn)紅外線攝像頭的夜間行人識(shí)別方法的流程圖；

圖2是呈現(xiàn)像素中的第1回應(yīng)值和分散值的乘積計(jì)算的第2回應(yīng)值的結(jié)果的圖；