发明名称 一种基于车载红外相机的行人检测方法
摘要 本发明涉及一种基于车载红外相机的行人检测方法。传统的方法比较耗时。本发明首先在汽车车头标位置水平架设红外相机并进行相机标定。其次预设相机检测距离范围,确定上下边界。然后筛选候选包围盒,提取剩余候选包围盒的HOG特征,并利用预训练的SVM分类器判定是否为行人。最后利用尺度和距离聚类步骤5中判定为行人的包围盒,平滑后得到最终行人检测与跟踪。本发明耗时低,误检率低,便于嵌入式实时应用。
申请公布号 CN103093214B 申请公布日期 2015.08.19
申请号 CN201310041477.X 申请日期 2013.02.01
申请人 浙江捷尚视觉科技股份有限公司 发明人 尚凌辉;余天明;张兆生;高勇
分类号 G06K9/00(2006.01)I;H04N7/18(2006.01)I 主分类号 G06K9/00(2006.01)I
代理机构 杭州求是专利事务所有限公司 33200 代理人 杜军
主权项 一种基于车载红外相机的行人检测方法,其特征在于该方法包括以下步骤:步骤1.在汽车车头标位置水平架设红外相机,其高度取值为0.5‑0.7米;步骤2.标定相机,具体是:测量相机实际架设高度H,即相机光轴到地面的距离;寻找空旷平地停好车辆后,调用标定程序标注地平线并输入相机架设高度后得到相机标定结果;称图像纵坐标与图像高度的比值为图像归一化纵坐标,标定程序需输入相机高度H与地平线的图像归一化纵坐标Y0,相机垂直视场角α,预设行人平均高度DH=1.7m;系数为:<maths num="0001" id="cmaths0001"><math><![CDATA[<mrow><mi>Coef</mi><mn>0</mn><mo>=</mo><mi>Y</mi><mn>0</mn><mo>,</mo><mi>Coef</mi><mn>1</mn><mo>=</mo><mi>H</mi><mfrac><mrow><msup><mrow><mi>t</mi><mn>2</mn></mrow><mn>2</mn></msup><mo>+</mo><mn>1</mn></mrow><mrow><mn>2</mn><mi>t</mi><mn>1</mn></mrow></mfrac><mo>,</mo><mi>Coef</mi><mn>2</mn><mo>=</mo><mrow><mo>(</mo><mi>DH</mi><mo>-</mo><mi>H</mi><mo>)</mo></mrow><mfrac><mrow><msup><mrow><mi>t</mi><mn>2</mn></mrow><mn>2</mn></msup><mo>+</mo><mn>1</mn></mrow><mrow><mn>2</mn><mi>t</mi><mn>1</mn></mrow></mfrac></mrow>]]></math><img file="FDA0000718769330000011.GIF" wi="1177" he="140" /></maths>其中<img file="FDA0000718769330000012.GIF" wi="545" he="124" />假设地面上某点到相机的水平距离为Z1,则其对应的图像归一化纵坐标<img file="FDA0000718769330000013.GIF" wi="428" he="128" />类似地,假设高度DH水平面上的某点到相机的水平距离为Z2,则其对应的图像归一化纵坐标<maths num="0002" id="cmaths0002"><math><![CDATA[<mrow><mi>Y</mi><mn>2</mn><mo>=</mo><mi>Coef</mi><mn>0</mn><mo>-</mo><mfrac><mrow><mi>Coef</mi><mn>2</mn></mrow><mrow><mi>Z</mi><mn>2</mn></mrow></mfrac><mo>;</mo></mrow>]]></math><img file="FDA0000718769330000014.GIF" wi="438" he="134" /></maths>步骤3.预设相机检测距离范围,通过步骤2得到的纵向坐标Y0、Y1、Y2与水平距离Z1、Z2的公式,可以得到预设的检测水平距离范围所对应的图像归一化纵坐标范围及图像纵坐标对应的待检测目标高度;根据预设横向和纵向步长在纵坐标范围内生成候选包围盒,将所有候选包围盒向上和向下按预设位移平移3‑4组;步骤4.每帧图像输入后,首先通过DP算法确定上下边界;规划时在步骤3得到的纵坐标范围内从左向右进行,代价函数采用带方向的梯度,列方向上允许一定程度的阶跃;步骤5.得到上下边界也就确定了感兴趣区域所在,根据该区域筛选步骤3中得到的候选包围盒,提取剩余候选包围盒的HOG特征,并利用预训练的SVM分类器判定是否为行人;步骤6.利用尺度和距离聚类步骤5中判定为行人的包围盒;步骤7.将步骤6的结果在时间上平滑后得到最终行人检测与跟踪效果;步骤8.根据步骤7结果做相应显示及报警。
地址 311121 浙江省杭州市余杭区五常街道文一西路998号7幢东楼