车载单目长波红外相机行人识别方法

摘要

本发明涉及一种车载单目长波红外相机行人识别方法，属于图像处理技术领域。本发明首先通过图像预处理对红外原始图像进行降噪和增强处理，并HOT-SPOT选取对目标潜在范围及尺度进行估计，同时通过ROI选取根据车载红外相机的成像几何信息对目标出现的可能区域给出预测估计；再通过两级分类器的组合进行检测有效地提升系统的检测率并降低虚警率；然后利用目标跟踪对检测出的目标在时间轴上进行跟踪，一方面可提升系统性能和稳定系统输出，另一方面可估计出目标的运动速度及生命周期，最后对目标的危险度进行估计并提供有效告警提示。从而实现了对环境中的行人等目标进行自动识别和危险度估计，进而对危险源给出告警信息提示。

主权项

一种车载单目长波红外相机行人识别方法，其特征在于，包括以下步骤：S1、将图像的原始数据流进行灰度映射，并对图像进行噪声抑制和增强处理；同时对图像作如下处理：对于不同距离的不同大小的行人目标，在相机安装位置及角度均一致的情况下，通过成像几何关系计算出行人目标在图像中呈现的不同位置及大小，不同大小的行人目标出现在图像中特定的ROI区域内，采用图像遍历的方式检测图像中的行人目标，用遍历窗口遍历的方式检测目标时，仅在相应的ROI区域内进行遍历；S2、将所述噪声抑制和增强处理后的图像数据进行如下HOT‑SPOT提取处理：对于每个像素，计算其邻域的加权均值，再与预设阈值比较，若大于预设阈值，则作为有效候选点，否则作为无效候选点，对每个像素处理完之后然后将候选点或由候选点组成的候选区域合并后进行候选点筛选，将筛选后的所有候选点进行预滤波，得到有效候选点二值图像，所述筛选的目的是对不能合并的孤立点或微小区域进行筛选，以保证预滤波后能够过滤出所有潜在目标点；S3、进行第一级分类器检测：对于特定大小的遍历窗口，计算其对应的ROI区域，然后在特定的遍历窗口的对应ROI区域中遍历的过程中，验证对应位置HOT‑SPOT属性，如果该特定的遍历窗口内，无有效候选点，则不进行分类器计算，否则进行AdaBoost分类器计算；AdaBoost分类器对图像内的所有大小的目标进行分类检测，最终得到若干候选目标，一个目标若被若干遍历窗口所检出，则运用窗口合并的方法对第一级分类器所输出的候选目标窗口进行合并，以此来获得有效的检测目标区域输出；进行第二级分类器检测：对第一级分类器检测结果进行SVM检测；S4、对前一帧所检测的所有目标和当前帧检测出的所有候选目标进行关联；关联后的数据作为Kalman滤波器的输入，进而基于目标运动模型对量测值进行滤波，从而输出稳定的目标检测窗口；S5、基于行人站在前方水平的地面上这一条件，利用成像几何原理进行目标距离估计，并基于输出最小的估算距离的原则，对估计出的距离进行结果修正；S6、以目标运动方向和速度、车辆运动方向和速度、距离估计信息三者作为输入，依据预设告警策略对危险源给出相应的告警提示信息。