一種紅外行人感興趣區(qū)域自適應(yīng)分割提取方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明設(shè)及一種基于車載紅外圖像的行人檢測中的感興趣區(qū)域巧egionof interests,ROIs)提取方法，特別設(shè)及一種紅外行人感興趣區(qū)域自適應(yīng)分割提取方法。
【背景技術(shù)】
[0002] 隨著交通事業(yè)的高速發(fā)展，交通安全變得越來越重要。行人是交通的主要參與者， 不僅最容易受到傷害，而且牽設(shè)到行人的事故會造成比其他事故更大的損失。在車載輔助 駕駛系統(tǒng)中，利用紅外圖像的夜間行人檢測技術(shù)對夜間車輛前方出現(xiàn)的行人進(jìn)行遠(yuǎn)距離提 前監(jiān)測預(yù)警，是避免因夜間視線不清發(fā)生行人碰撞事故發(fā)生的重要手段。而紅外行人感 興趣區(qū)域提取是車載紅外行人檢測技術(shù)中的關(guān)鍵一環(huán)，是影響檢測效率和實(shí)時性的重要因 素。
[0003] 針對可見光圖像的ROIs提取，由于其具有豐富的紋理信息和高分辨率，目前已經(jīng) 出現(xiàn)很多優(yōu)秀的ROIs提取算法。但是，在紅外圖像的ROIs提取方面，由于紅外圖像成像 原理所限，成像分辨率較低，紋理信息遠(yuǎn)不如可見光豐富，針對可見光圖像的很多好的ROIs 提取方法不適用于紅外圖像分割提取。基于立體視覺的ROIs提取方法由于依賴于圖像紋 理信息，在紅外圖像中應(yīng)用時無法取得理想的分割效果；在監(jiān)控場景下常用的帖差法，由于 車載攝像頭的快速運(yùn)動，也不適用于車載行人檢測；基于光流分析的算法，由于運(yùn)動估計(jì)運(yùn) 算量巨大，無法滿足實(shí)時性要求；基于闊值分割的方法，目前幾種經(jīng)典的闊值分割算法如 0TSU、化U、Kittler和Kapur,僅W某種形式的方差或者滴作為分割準(zhǔn)則，由于未考慮圖像 的特征，一般需要假設(shè)應(yīng)用場景中的圖像滿足某種假設(shè)，在應(yīng)用到車載紅外場景時分割效 果不甚理想。
[0004] 因此，針對車載單目紅外行人檢測的R0I提取，本發(fā)明提出了一種基于行人熱點(diǎn) 假設(shè)和樣本統(tǒng)計(jì)的紅外行人自適應(yīng)快速分割提取方法。首先對紅外行人圖像進(jìn)行灰度值的 統(tǒng)計(jì)分析，計(jì)算基于行人熱點(diǎn)假設(shè)的調(diào)整函數(shù)的值；然后使用該函數(shù)對類間方差最大時得 到的闊值進(jìn)行修正，實(shí)現(xiàn)ROIs行人區(qū)域的準(zhǔn)確分割；最后利用行人的形狀尺度先驗(yàn)約束信 息對其它熱干擾區(qū)域進(jìn)行濾除。

【發(fā)明內(nèi)容】

[0005] 本發(fā)明的目的是針對現(xiàn)有技術(shù)的不足，針對單目車載紅外行人檢測應(yīng)用場景，提 出了一種紅外行人感興趣區(qū)域自適應(yīng)分割提取方法。
[0006] 本發(fā)明解決其技術(shù)問題采用的技術(shù)方案如下：
[0007] 一種紅外行人感興趣區(qū)域自適應(yīng)分割提取方法，包括如下步驟：
[000引步驟1、統(tǒng)計(jì)出N個紅外圖像直方圖的第一個波谷均值T。；
[0009] W灰度級為直方圖橫坐標(biāo)，每個灰度級出現(xiàn)的次數(shù)作為直方圖的縱坐標(biāo)，統(tǒng)計(jì)出 每個紅外圖像的灰度直方圖，找到灰度直方圖的第一個波谷的灰度值Trou曲1，并對所有第 一個波谷的灰度值取平均記為T。；
[0010]
[0011] 步驟2、計(jì)算自適應(yīng)分割闊值0 ;
[001引2-1通過第一個波谷均值T。計(jì)算出加權(quán)函數(shù)二a化一r0);
[001引其中Ti為灰度值高于T。的統(tǒng)計(jì)平均值，具體的：
a為微 調(diào)因子，0. 9 <a< 1. 1 ;
[0014] 2-2掃描所有灰度級，求出滿足類間方差最大化時的分割闊值0。；
[0015] 2-3計(jì)算出自適應(yīng)分割闊值0 = 0D+F,td;
[0016] 步驟3、使用適應(yīng)分割闊值0對待分割圖像進(jìn)行二值化處理；
[0017] 3-1掃描所有像素點(diǎn)，如果像素點(diǎn)的灰度級大于0，則灰度級置為1，此時該像素 點(diǎn)為前景目標(biāo)疑似區(qū)域的像素點(diǎn)；如果像素點(diǎn)的灰度級小于等于e，則灰度級置為0,此時 該像素點(diǎn)為背景像素點(diǎn)，將此時的處理結(jié)果記為
[001引步驟4、對1?5。,。1。。,。"。。進(jìn)行水平投影積分和垂直投影積分分析，濾除面積較小的熱 點(diǎn)干擾；
[0019] 4-1W非零像素點(diǎn)的累加值作為直方圖縱坐標(biāo)值，像素坐標(biāo)為直方圖橫坐標(biāo)求水 平投影積分和垂直投影積分的直方圖，具體計(jì)算如下：
[0020]
[0021] 其中，（i)為水平投影積分直方圖縱坐標(biāo)值，H(j)為垂直投影積分直方圖縱坐標(biāo) 值，Rp(i，j)是坐標(biāo)為（i，j)的像素點(diǎn)的灰度值；
[0022] 42W水平投影積分和垂直投影積分的直方圖的縱坐標(biāo)值進(jìn)行過濾，去除面積非常 小的零碎熱點(diǎn)干擾，得到的結(jié)果記為Rpw.wti。。，具體過濾如下：
[0023] 如果坐標(biāo)為（i，j)的像素點(diǎn)的水平投影直方圖縱坐標(biāo)值H(i) < 0，或者垂直投 影積分直方圖縱坐標(biāo)值H(j) < 0，則該像素點(diǎn)為熱點(diǎn)干擾；其中0與提取目標(biāo)的大小有 關(guān)，一般取值范圍是2-8;
[0024] 步驟5、根據(jù)滿足的行人先驗(yàn)性知識進(jìn)一步濾除面積較大的熱干擾，將得到的結(jié)果 記為RkuIs;;
[002引對Rpw。。。。。中的高亮區(qū)域分別進(jìn)行長寬比和面積大小的檢查，濾除熱點(diǎn)干擾包括 車輛尾部、空調(diào)外機(jī)箱；如果某個區(qū)域的長寬比大于h或者小于W，則認(rèn)為該區(qū)域?yàn)闊岣蓴_ 區(qū)域，有效濾除車輛尾部、空調(diào)外機(jī)箱的熱點(diǎn)干擾，直接將該區(qū)域移除疑似區(qū)域，將最后得 到的結(jié)果記為Rcui。；
[0026] 所述的h和W與提取目標(biāo)的形狀相關(guān)，目標(biāo)為行人時一般h取2,W取1 ;
[0027] 步驟6、對IVae的每個區(qū)域進(jìn)行擴(kuò)展和融合；
[002引每個區(qū)域向上下左右四個方向分別擴(kuò)展e個像素，然后檢查任意兩個區(qū)域之間的 距離如果距離小于等于m個像素，則直接合并，否則不作處理；最后將擴(kuò)展和融合得到的區(qū) 域記為咕1。。1，作為最終的行人疑似區(qū)域輸出；（
[0029] 所述的m與應(yīng)用場景有關(guān)，一般取1-3 ;
[0030] 所述的e與要求檢測到的最小目標(biāo)的像素高有關(guān)，一般取值為2-8。
[0031] 本發(fā)明首先對紅外行人圖像樣本庫進(jìn)行灰度值統(tǒng)計(jì)分析，求解一個基于行人熱點(diǎn) 假設(shè)的加權(quán)函數(shù)；然后使用該函數(shù)對最大化類間方差計(jì)算出的闊值進(jìn)行修正，解決其無法 分割出行人小目標(biāo)的問題，實(shí)現(xiàn)對中遠(yuǎn)距離行人的準(zhǔn)確分割；接著對分割結(jié)果進(jìn)行垂直和 水平投影積分得到積分直方圖，使用行人的長寬比、面積等先驗(yàn)性約束信息進(jìn)行篩選過濾， 將零散熱光源、汽車尾部、空調(diào)外機(jī)箱等熱干擾源濾除；最后得到更為準(zhǔn)確的行人ROIs區(qū) 域，大幅度減小滑窗捜索區(qū)域和捜索窗口數(shù)，提高行人目標(biāo)檢測的時間性能。
[0032] 本發(fā)明有益效果如下；
[0033] 本發(fā)明不需要額外設(shè)備即可準(zhǔn)確快速的提取到行人感興趣區(qū)域，大幅度減少華創(chuàng) 捜索區(qū)域和捜索窗口數(shù)，提高行人目標(biāo)檢測的時間性能；另外本發(fā)明針對車載紅外應(yīng)用場 景，使用了基于紅外行人圖像樣本的統(tǒng)計(jì)特性和行人形狀尺度的先驗(yàn)性信息，對車載場景 下的熱干擾具有更好的自適應(yīng)性。
【附圖說明】
[0034] 圖1為本發(fā)明提取感興趣區(qū)域過程的整體流程圖。
【具體實(shí)施方式】
[0035]下面結(jié)合附圖，WDPM值eformablePartsModel)+LatentSVM(XatentSu;rppo;rt VectorMachine)的行人檢測算法，城市道路紅外車載場景為例，對本發(fā)明的具體實(shí)施方案 作進(jìn)一步詳細(xì)描述。其具體步驟流程如圖1所示：
[0036] 選擇N張（N與所選樣本的代表性有關(guān)，一般需要200張W上）車載城市道路場景 中的紅外樣本圖片。要求該些樣本包含各種熱干擾W及不同距離行人，具體為；該些紅外圖 片不僅包含10-60米等不同距離的行人，還包括各種熱干擾，如空調(diào)外機(jī)箱、熱光源、汽車 尾部W及白天吸收陽光溫度后溫度升高的物體等。
[0037] 步驟1 ;統(tǒng)計(jì)出N個紅外圖像直方圖的第一個波谷均值T。。
[003引 W灰度級為直方圖橫坐標(biāo)，每個灰度級出現(xiàn)的次數(shù)作為直方圖的縱坐標(biāo)，統(tǒng)計(jì)出 每個紅外圖像的灰度直方圖（滿足雙峰或多峰特性），找到灰度直方圖的第一個波谷的灰 度值Trou曲1，并對所有第一個波谷的灰度值取平均記為T。。
[0039]
[0040] 步驟2 ;計(jì)算自適應(yīng)分割闊值0。
[0041] 2-1通過第一個波谷均值T。計(jì)算出加權(quán)函數(shù)Fwtd二《(7'1-r〇)，
[004引其中Ti為灰度值高于T。的統(tǒng)計(jì)平均值，具體的：
i，a為微 調(diào)因子，0. 9 <a< 1. 1;
[0043] 2