[發明專利]基于頭部特征點的車載熱成像行人檢測RoIs提取方法

有效

• 申請號: 202010132889.4
• 申請日: 2020-02-29
• 公開（公告）號: CN111368704B
• 公開（公告）日: 2023-05-23
• 發明（設計）人: 陽松;劉瓊
• 申請（專利權）人: 華南理工大學
• 主分類號: G06V40/10
• 分類號: G06V40/10;G06V20/58;G06V10/26;G06V10/774;G06V10/764
• 代理公司: 廣州粵高專利商標代理有限公司 44102
• 代理人: 何淑珍;江裕強

本發明公開了基于頭部特征點的車載熱成像行人檢測RoIs提取方法。所述方法包括：逐幀逐行人提取訓練數據已標注行人的頭部中心點，按95％置信度逐幀統計訓練數據行人頭部中心點獲取幀頭部區域；逐幀提訓練數據行人頭部特征點，定義并訓練頭部特征點RoIs模型；利用幀頭部區域裁減出當前圖像幀，然后計算得到當前圖像幀的雙閾值分割二值圖，兩者合并獲得當前幀頭部特征點區域；采樣并篩選當前幀頭部特征點區域獲得當前幀頭部特征點；利用訓練完的頭部特征點RoIs模型計算獲得當前幀頭部特征點RoIs并與當前幀雙閾值分割RoIs合并生成當前幀RoIs；度量和調整當前幀RoIs。本發明能夠有效避免由于遮擋、分割粘連、分割斷裂等因素導致的RoIs丟失，提高行人檢測性能。

技術領域

本發明涉及先進輔助駕駛領域及其行人檢測，更具體地，涉及一種基于頭部特征點的車載熱成像行人檢測RoIs提取方法。

背景技術

車載熱成像行人檢測是基于視覺的輔助駕駛系統的核心技術之一，主要目標為檢測車輛前方道路上的行人，并將檢測結果反饋給駕駛員，及時提醒駕駛員做出必要反應，減少人車碰撞事故發生。車載熱成像行人檢測包含RoIs提取和RoIs分類兩個重要環節：RoIs提取環節以矩形框形式給出圖像中行人可能存在的位置以及尺度，RoIs分類環節判斷矩形框中是否存在行人，給出檢測結果，這些矩形框即稱為RoIs。RoIs提取算法的精度及速度直接影響整個行人檢測系統的性能。

現有的車載熱成像行人檢測系統大多使用低算力嵌入式平臺，一方面要求RoIs提取算法速度快，RoIs提取算法本身需要做到實時，另一方面要求RoIs提取算法輸出的RoIs質量高，表現在召回率高和輸出RoIs數量少。高召回率可以減少系統漏檢情況的發生，RoIs數量少可以使得RoIs分類模塊有足夠的時間來處理所有RoIs。現有的RoIs提取方法大多基于圖像分割的方法，其主要步驟為：首先利用行人目標通常比背景亮這一特點，將輸入圖像分割為前景和背景，得到前背景二值圖像；然后提取前背景二值圖像中前景連通區域，使用連通區域最小外接矩形作為提取的RoIs。這類方法提取的RoIs的質量依賴于前背景分割結果，易受到以下問題的干擾：1)遮擋，當行人被低于自身溫度物體遮擋時容易分割斷裂，當行人被高于自身溫度物體遮擋時容易分割粘連；2)行人亮度分布不均勻，頭部、四肢這些裸露在外的部件通常比軀干更亮，容易分割斷裂；3)行人與溫度接近的背景靠近時容易分割粘連。這些問題的存在使得基于圖像分割的RoIs提取方法難以達到理想的效果。

目前一些已發表的具有代表性的RoIs提取方法，例如：

現有技術1：Besbes?B,Rogozan?A,Rus?A?M,et?al.Pedestrian?detection?infar-infrared?daytime?images?using?a?hierarchical?codebook?of?SURF[J].Sensors,2015,15(4):8570-8594.使用SURF算法提取RoIs，訓練階段提取頭部特征，通過聚類方式構造分層碼本，測試階段提取頭部特征與分層碼本進行匹配，找到映射參數映射得到頭部部件RoIs，再根據統計寬高比生成行人完整RoIs。

現有技術2：Cheng?M,Zhang?Z,Lin?W,et?al.Binarized?normed?gradients?forobjectness?estimation?at?300fps[C]//in?IEEE?CVPR.2014.提出BING用于提取行人RoIs，采用滑窗法生成初始RoIs，提取初始RoIs二進制梯度特征，采用分類器過濾大量背景RoIs，保留得分最高的一系列RoIs作為最終RoIs。