[發(fā)明專利]面向車載熱成像行人檢測的感興趣區(qū)域過濾方法和裝置

有效

• 申請?zhí)枺?/td>: 201810324429.4
• 申請日: 2018-04-12
• 公開（公告）號: CN108549864B
• 公開（公告）日: 2020-04-10
• 發(fā)明（設計）人: 許瑞霖;劉瓊;彭紹武;吳繼平
• 申請（專利權）人: 廣州颯特紅外股份有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/32;G06K9/40;G06K9/46;G06K9/62
• 代理公司: 北京康度知識產(chǎn)權代理事務所(特殊普通合伙) 11705
• 代理人: 王彬;徐燕

本發(fā)明公開了面向車載熱成像行人檢測的RoIs過濾方法和裝置。所述RoIs過濾方法指設計三層級聯(lián)過濾器濾除非行人RoIs的方法：第一層通過計算行人像素高度和RoIs高寬比并設定相應的閾值區(qū)間，濾除尺寸異常的RoIs；第二層逐個RoIs分別計算其上下邊界與當前圖像路面基準的豎直間距，計算基于RoIs像素高度的閾值，濾除位置異常的RoIs；第三層依據(jù)每個RoIs的亮度豎直投影差值曲線搜索可能的行人頭部區(qū)域，對比頭部區(qū)域和相鄰背景區(qū)域的Haar?like特征的差異程度，濾除缺失行人頭部的RoIs。本方法能夠在兼顧行人檢測準確率的前提下，降低行人檢測的計算開銷和增強分類器的場景適應性。RoIs過濾裝置包括尺寸異常RoIs過濾器、位置異常RoIs過濾器和缺失頭部RoIs過濾器。

技術領域

本發(fā)明涉及行人檢測，更具體地，涉及，面向車載熱成像行人檢測的感興趣區(qū)域(Regions of Interest,RoIs)過濾方法和裝置。

背景技術

車載熱成像行人檢測技術指通過紅外熱像儀作為視覺傳感器，捕獲車載交通場景的圖像/視頻，在計算機或嵌入式平臺使用機器學習等方法，識別圖像/視頻中存在的所有行人目標，并以最小外接矩形框的坐標信息標識每個行人在圖像上的位置。

此過程包含兩個關鍵階段：RoIs提取和RoIs分類檢測，其中影響計算開銷和準確率的重要因素是提取的RoIs數(shù)量和所使用分類器的性能。在RoIs提取環(huán)節(jié)，為了滿足高召回率要求，通常獲得較多數(shù)量的RoIs。但是圖像中的行人目標屬于稀有事物，即大部分RoIs僅包含背景信息，且其中一些背景區(qū)域的信息和行人的特征差異很大。如果對這些RoIs都使用分類器檢測，則計算開銷不容樂觀，因此需要提出既能減少待檢測RoIs數(shù)量又能兼顧準確率的方法。

相對計算機而言，車載嵌入式平臺具有明顯的計算性能瓶頸，很多已發(fā)表的行人檢測方法，特別是運用深度學習算法的技術，無法應用到此類平臺，對實際應用的檢測率和實時性造成影響。例如德州儀器公司生產(chǎn)的DM6437車載平臺，該平臺具有較強的穩(wěn)定性，但是其處理器為單核、主頻最高處理速度每秒僅有600Mhz，基于“HOG特征+線性SVM”分類器對單個RoIs的處理時間約為3毫秒，在計算性能方面遠遠無法和普通計算機相比。在行人檢測推廣到實際應用的過程中，需要找到權衡計算開銷和檢測性能的解決方案。

在RoIs提取階段，目前發(fā)表的一部分方法是根據(jù)圖像中目標的特性規(guī)律篩選行人可能存在的前景區(qū)域。例如：

現(xiàn)有技術1：Ge J,Luo Y,Tei G.Real-Time Pedestrian Detection andTracking at Nighttime for Driver-Assistance Systems.[J].IntelligentTransportation Systems IEEE Transactions on,2009,10(2):283-298。根據(jù)同一水平線上行人目標像素相較于周圍背景亮度更高的經(jīng)驗，通過計算每個像素局部鄰域內(nèi)的分割閾值上限和下限，對近紅外圖像提取RoIs。

現(xiàn)有技術2：Uijlings J R R,Sande K E A V D,Gevers T,et al.SelectiveSearch for Object Recognition[J].International Journal of Computer Vision,2013,104(2):154-171。提出選擇性搜索方法，主要思想是根據(jù)可見光圖像不同的顏色空間先對圖像進行小的相似區(qū)域分割，再根據(jù)區(qū)域合并算法從顏色、紋理、大小等方面將相似度高的小區(qū)域合并為大區(qū)域。

現(xiàn)有技術3：Zitnick C L,Dollár P.Edge Boxes:Locating Object Proposalsfrom Edges[C]//European Conference on Computer Vision.Springer,Cham,2014:391-405。提出EdgeBox方法，根據(jù)局部區(qū)域內(nèi)閉合輪廓和交叉輪廓的關系，尋找包含完整物體的RoIs。