專利名稱：一種基于視覺的快速行人檢測(cè)方法
技術(shù)領(lǐng)域：
本發(fā)明涉及計(jì)算機(jī)視覺技術(shù)及汽車先進(jìn)輔助駕駛領(lǐng)域，尤其涉及一種基于視覺的快速行人檢測(cè)方法。
背景技術(shù)：
隨著最近十年汽車數(shù)量的急速增長(zhǎng)，道路交通安全已成為一個(gè)全球范圍內(nèi)的重要問(wèn)題，一份世界衛(wèi)生組織的報(bào)告顯示交通事故是造成傷亡的主要原因之一，每年全球因交通事故導(dǎo)致傷亡大約有1000萬(wàn)人，其中200-300萬(wàn)人為嚴(yán)重傷亡。那些易受傷害的道路使用者(如行人，騎自行車者和其他小型交通工具乘坐者)占據(jù)了交通事故中受害者的絕大部分。根據(jù)2003年美國(guó)報(bào)道的交通事故數(shù)據(jù)統(tǒng)計(jì)，在美國(guó)35，000例道路交通傷亡事故中，有5，000例涉及到行人與車輛碰撞；在歐盟地區(qū)，由于車輛與行人的碰撞，導(dǎo)致了 150，000人受傷，7，000死亡。因此，面對(duì)頻發(fā)且日趨嚴(yán)重的道路交通事故，國(guó)內(nèi)外的研究機(jī)構(gòu)從車輛自主防御的角度提出了先進(jìn)駕駛輔助系統(tǒng)(Advanced Driver Assistance Systems, ADAS)來(lái)避免交通事故的發(fā)生或者減小交通事故的嚴(yán)重性，提高道路交通安全。而其中的一個(gè)重要組成部分就是行人檢測(cè)系統(tǒng)(Pedestrian Detection Systems, F1DS)就是從保護(hù)道路行人的角度提出的汽車主動(dòng)防御系統(tǒng)。行人檢測(cè)系統(tǒng)是指通過(guò)安裝在車輛的傳感器(光學(xué)攝像頭、紅外攝像頭、雷達(dá)等)獲取車輛前進(jìn)方向的道路信息，然后借助一定的智能檢測(cè)算法判斷車輛行駛環(huán)境中出現(xiàn)的行人，并判斷行人與車輛的空間關(guān)系，對(duì)可能發(fā)生危險(xiǎn)情況向駕駛員發(fā)出警報(bào)或者對(duì)車輛執(zhí)行自動(dòng)剎車?；谝曈X的車載行人檢測(cè)系統(tǒng)，采用光學(xué)攝像頭作為主要的傳感器，一方面能夠輔助擴(kuò)展駕駛員的視野，減小因車輛結(jié)構(gòu)造成的駕駛員視覺盲區(qū)，能夠提前預(yù)警出現(xiàn)在盲區(qū)中的行人，避免車輛與盲區(qū)中突現(xiàn)的行人或車輛發(fā)生碰撞。尤其對(duì)于存在較大視覺盲區(qū)的大型工程車，基于視覺的行人檢測(cè)系統(tǒng)具有非常重要的工程意義；另一方面基于視覺的車載行人檢測(cè)系統(tǒng)能夠輔助經(jīng)驗(yàn)不足的駕駛員，判斷車輛與行人的距離關(guān)系，提高駕駛員行車的安全性，減少道路交通事故的發(fā)生。。目前基于視覺的行人檢測(cè)系統(tǒng)一般對(duì)道路的適應(yīng)能力差，且檢測(cè)速度比較慢，處理速度一般低于I秒每巾貞(frame per second, fps)。同時(shí)行人檢測(cè)的準(zhǔn)確率普遍不高。因此針對(duì)基于視覺的行人檢測(cè)系統(tǒng)計(jì)算速率低，道路適應(yīng)能力差等問(wèn)題，本發(fā)明提出了一種基于視覺方案的快速行人檢測(cè)方法，該方法能夠?qū)崿F(xiàn)實(shí)時(shí)速率的行人檢測(cè)速率，保證一定的行人檢測(cè)準(zhǔn)備率，同時(shí)，該方法具備較強(qiáng)的道路、行人多樣性的適應(yīng)能力，具備工程應(yīng)用的前景。

發(fā)明內(nèi)容
本發(fā)明的目的是克服現(xiàn)有的基于視覺的行人檢測(cè)技術(shù)的不足，提供一種基于視覺的快速行人檢測(cè)方法。本發(fā)明的目的是通過(guò)以下技術(shù)方案來(lái)實(shí)現(xiàn)的:一種基于視覺的快速行人檢測(cè)方法，該方法包括以下內(nèi)容:
(1)通過(guò)安裝在車輛上的攝像頭獲取車輛前進(jìn)道路上的視頻圖像；
(2)將步驟I獲取的視頻圖像進(jìn)行逐幀處理:對(duì)輸入圖像分別計(jì)算色彩不變參數(shù)特征通道圖像、HOG特征通道圖像、梯度幅值特征通道圖像，得到
S 、SX、Sy、51|&￡3和5#特征通道圖像，其中、Sy為色彩不變參數(shù)特征通道圖像，
5HMo為HOG特征通道圖像，SM&梯度幅值特征通道圖像；
(3)分別計(jì)算步驟2中的
權(quán)利要求
1.一種基于視覺的快速行人檢測(cè)方法，其特征在于，該方法包括以下內(nèi)容: (1)通過(guò)安裝在車輛上的攝像頭獲取車輛前進(jìn)道路上的視頻圖像； (2)將步驟I獲取的視頻圖像進(jìn)行逐幀處理:對(duì)輸入圖像分別計(jì)算色彩不變參數(shù)特征通道圖像、HOG特征通道圖像、梯度幅值特征通道圖像，得到Sh ,Sx、Sv、Smsto和5_￥特征通道圖像，其中，Sh、Sx ,Sy為色彩不變參數(shù)特征通道圖像，Snisto為HOG特征通道圖像，Sm為梯度幅值特征通道圖像； (3)分別計(jì)算步驟2中的S 、SA.、sv、SHist。和Sm特征通道圖像對(duì)應(yīng)的整型圖像表示方法，得到各特征通道圖像對(duì)應(yīng)的整型特征通道圖像JSy、75Hkto JSM.(4)采用不同尺度的滑動(dòng)窗口遍歷步驟3中得到的各整型特征通道圖像，計(jì)算每個(gè)滑動(dòng)窗口內(nèi)的類哈爾特征作為行人描述特征； (5)使用行人檢測(cè)器檢測(cè)步驟4計(jì)算得到的行人描述特征，判斷輸入的特征是否是與行人相關(guān)的特征； (6)采用串聯(lián)級(jí)聯(lián)策略提高步驟5中行人檢測(cè)器檢測(cè)輸入特征的速率和效率； (7)用非極大值抑制算法確定與行人特征最匹配的滑動(dòng)窗口，確定行人的位置；若經(jīng)過(guò)上述步驟判斷后沒(méi)有與行人特征相匹配的滑動(dòng)窗口，則判斷輸入的圖像中無(wú)行人。
2.根據(jù)權(quán)利要求1所述的基于視覺的快速行人檢測(cè)方法，其特征在于，所述步驟2中，色彩不變參數(shù)特征通道定義如下: 色彩不變參數(shù)是通過(guò)結(jié)合圖像中關(guān)于色彩的光譜信息和空間結(jié)構(gòu)信息計(jì)算得到的特征參數(shù)；該參數(shù)在圖像局部鄰域范圍內(nèi)具有平移不變性，尺度不變形及色彩不變性等特點(diǎn)，具有極強(qiáng)的色彩區(qū)分能力，對(duì)光線變化有很好的適應(yīng)性；計(jì)算色彩不變參數(shù)首先需要對(duì)圖像按如下公式進(jìn)行物理建模，
3.根據(jù)權(quán)利要求1所述的基于視覺的快速行人檢測(cè)方法，其特征在于，所述步驟2中，HOG特征通道定義如下: 對(duì)輸入的圖像計(jì)算其梯度圖像，再依次以每個(gè)像素為中心8*8鄰域內(nèi)計(jì)算以該像素為中心的8*8鄰域內(nèi)各個(gè)像素的梯度直方圖分布；直方圖的統(tǒng)計(jì)規(guī)則如下:8*8鄰域內(nèi)每個(gè)像素的梯度幅值為該 像素的權(quán)重，直方圖以梯度的方向(0-180° )為劃分區(qū)間，分為6個(gè)區(qū)間；每個(gè)像素根據(jù)自身梯度的方向落入對(duì)應(yīng)的區(qū)間，再將各個(gè)區(qū)間內(nèi)存在的像素的對(duì)應(yīng)的梯度幅值相加，最終得到梯度直方圖。
4.根據(jù)權(quán)利要求1所述的基于視覺的快速行人檢測(cè)方法，其特征在于，所述步驟2中，梯度幅值特征通道定義如下: 采用二階微分算子——拉普拉斯算子來(lái)計(jì)算圖像的梯度幅值；圖像二階偏微分的定義如下:
5.根據(jù)權(quán)利要求1所述的基于視覺的快速行人檢測(cè)方法，其特征在于，所述步驟3中，整型圖像表示計(jì)算方法如下:
6.根據(jù)權(quán)利要求1所述的基于視覺的快速行人檢測(cè)方法，其特征在于，所述步驟4中類哈爾特征定義如下: 在滑動(dòng)窗口內(nèi)采用4*4大小的矩陣，主要計(jì)算了 3種類哈爾特征，分別是基于2個(gè)相鄰矩形的類哈爾特征、基于3個(gè)相鄰矩形的類哈爾特征和基于4個(gè)相鄰矩形的類哈爾特征；A和B所示的基于2個(gè)相鄰矩形的類哈爾特征，該特征為兩個(gè)相鄰矩形中值的總和的差值，即:
7.根據(jù)權(quán)利要求1所述的基于視覺的快速行人檢測(cè)方法，其特征在于，所述步驟5中，行人檢測(cè)器的構(gòu)建及訓(xùn)練方法如下: (5.1)采用INRIA行人圖像數(shù)據(jù)庫(kù)作為計(jì)算訓(xùn)練分類器樣本數(shù)據(jù)的圖像集； (5.2)根據(jù)步驟2-4計(jì)算INRIA行人圖像數(shù)據(jù)庫(kù)中圖像的行人描述特征集合，下面用集合的形式表示特征集合:
8.根據(jù)權(quán)利要求1所述的基于視覺的快速行人檢測(cè)方法，其特征在于，所述步驟6中，串聯(lián)級(jí)聯(lián)策略定義如下: (6.1)對(duì)滑動(dòng)窗口內(nèi)的行人描述特征參數(shù)按疏松級(jí)聯(lián)規(guī)則用行人檢測(cè)分類器進(jìn)行濾波篩選潛在的屬于行人特征的特征參數(shù)；疏松級(jí)聯(lián)規(guī)則為:
全文摘要
本發(fā)明公開了一種基于視覺的快速行人檢測(cè)方法，該方法首先通過(guò)安裝在車輛上的攝像頭獲取車輛前進(jìn)道路上的視頻圖像，然后采用類哈爾特征作為行人描述特征，構(gòu)建多尺度級(jí)聯(lián)分類器作為行人檢測(cè)器，采用串聯(lián)級(jí)聯(lián)策略實(shí)現(xiàn)快速的實(shí)時(shí)行人與非行人的分類識(shí)別，最后用非極大值抑制算法確定與行人特征最匹配的滑動(dòng)窗口，確定行人的位置。若經(jīng)過(guò)上述步驟判斷后沒(méi)有與行人特征相匹配的滑動(dòng)窗口，則判斷輸入的圖像中無(wú)行人。本發(fā)明方法將行人檢測(cè)技術(shù)推向?qū)嵱没剐腥藱z測(cè)技術(shù)能夠適用于實(shí)際的工程應(yīng)用中，如在安防視頻監(jiān)控領(lǐng)域、汽車主動(dòng)防御安全領(lǐng)域均有巨大的適用前景。
文檔編號(hào)G06K9/00GK103177248SQ20131013296
公開日2013年6月26日 申請(qǐng)日期2013年4月16日 優(yōu)先權(quán)日2013年4月16日
發(fā)明者周泓, 陳益如, 楊思思, 程添, 蔡宇 申請(qǐng)人:浙江大學(xué)