基於紅外夜視儀的行人檢測與識別方法與流程
2023-06-27 03:03:21 2
本發明涉及圖像處理、交通安全技術領域，具體涉及一種基於紅外夜視儀的行人檢測與識別方法。
背景技術：
車載紅外夜視儀是基於紅外熱成像原理設計並應用於汽車輔助駕駛，具有廣泛的應用前景和巨大的商業價值。近年來，由於黑夜或霧雨等惡劣的天氣條件下是交通事故發生的集中段，因此，各個研究機構分析了事故原因後一致認為，在汽車行駛過程中，駕駛員能夠提前幾秒對車輛前方的行人距離進行預判，並採取正確的操作，可以大大的減少交通事故的發生，極大地改善了駕駛員駕車體驗，提升駕駛安全係數。
目前，常用的行人檢測方法主要有光流法、背景相減法和幀差法。幀差法是對相對應的像素點在連續的兩幀或者三幀圖像上比較灰度值的差異，然後對圖像進行閾值處理提取運動目標，但是其精度不高，難以提取目標真實的形狀。三幀差分法是在二幀圖像差分的基礎上進行改進，該算法檢測的運動目標形狀和位置參數更精確，從而可以更好地獲取運動目標的信息。雖然三幀差分法適用於運動背景的目標檢測，但效果仍然不夠理想。
通常行人識別是通過運動行人的形狀特徵即幾何特徵進行識別，但是幾何特徵識別方法常常產生誤判，精確度不高。
技術實現要素：
本發明要解決的技術問題是提供一種簡便精確的基於紅外夜視儀的行人檢測與識別方法。
基於紅外夜視儀的行人檢測與識別方法，包括以下步驟：
S1：通過紅外夜視儀採集並保存視頻幀，實時更新當前最新三幀的有效數據；
S2：對採集的三幀視頻圖像進行預處理；
S3：對處理後的三幀視頻圖像進行區域匹配，令三幀灰度圖像分別為前一幀fi-1(x,y)、當前幀圖像fi(x,y)和後一幀圖像fi+1(x,y)，匹配過程如下：
S3-1：在前一幀圖像fi-1(x,y)中選取一塊模塊區，大小設置為32×32；
S3-2：在當前幀圖像fi(x,y)中搜尋能夠匹配前一幀圖像fi-1(x,y)中參考模板的最優區域，並通過公式計算最優匹配點，計算公式如下：
其中，fi與fi-1分別為當前幀與前一幀圖像的灰度值，MAD(p,q)為最小絕對誤差，32×32為選取的區域匹配模板的大小，求取MAD(p,q)的最小值，所對應的點即為最優匹配點；
S3-3：計算當前幀圖像fi(x,y)和前一幀圖像fi-1(x,y)的相對位移量ΔS，並對當前幀圖像fi(x,y)進行補償，。後一幀圖像fi+1的補償計算和當前幀fi相同；
S4：圖像補償完成後，進行三幀差分計算，前一幀圖像與當前幀補償後的圖像進行查分運算，運算公式為：
D1＝f′i(x,y)-fi-1(x,y)；
當前幀圖像與後一幀補償後的圖像進行差分運算，運算公式為：
D2＝f′i+1(x,y)-fi(x,y)；
將兩次差分後的圖像進行邏輯「與」運算,運算公式為：
D3＝D1∩D2；
S5：對D3圖像進行形態學膨脹、腐蝕處理；
S6：根據幾何特徵和運動速率特徵進行圖像的行人識別，用g1(x,y)表示圖像中的第i個運動目標的圖像；
運動目標的最小接矩形的長寬比為K，將掃描得到的待識別目標最小外接矩形的坐標分別記作，最頂端ymax(i)，最底端ymin(i)，最左端xmax(i)，最右端xmin(i)，其中，待識別目標i∈[1,n]，則待識別部分的最小外接矩形的長寬比計算公式如下：
根據質心計算公式求得目標行人的質心，計算公式為：
其中，i∈[1,n]，Wi為行人最小外界矩形的區域範圍，行人像素與是計算連續兩幀圖像待識別目標得到的質心坐標，定義連續兩幀圖像的質心坐標公式為：
採集連續兩幀圖像的時間間隔為Δt，待識別區域的真實行人運動速率v的計算公式為：
根據幾何特徵和運動速率特徵進行圖像的行人識別的識別算法的實現過程如下：
S6-1：標定一幀圖像的待識別區域i，求取i區域最小外接矩形參數；
S6-2：計算最小外接矩形的長寬比K；
S6-3：求取連續兩幀圖像中待識別目標的質心，計算連續兩幀圖像的質心距離與時間間隔；
S6-4：計算其質心運動速率v；
S6-5：判斷K與v是否同時滿足特定的取值範圍：若滿足，標定運動目標為行人，否則，忽略運動目標；
循環終止的條件：待識別區域i的值大於識別區域個數最大值n，循環終止。
本發明的有益效果是：
本發明改進的三幀差分法可以完整地檢測目標行人，絕大多數的細節信息得到了保留，很好地適用於動態背景的運動目標檢測，是一種較好的行人檢測方法。通過行人的最小外接矩形及運動速率特徵，建立了基於幾何和運動速率的行人識別方法，識別效果好，沒有出現誤判現象。
具體實施方式
以下具體實施例對本發明作進一步闡述，但不作為對本發明的限定。
將採集的車載紅外夜視圖採用本發明改進的三幀差分法算法對圖像進行處理；
通常情況，運動行人的形狀特徵可以近似地認為是矩形，則行人識別即可等效為求取運動目標行人的最小外接矩形長寬比K，約定行人在道路上正常直立行走，不考慮極端情況(包括行人臥地或彎腰)。對圖像檢測部分所標定的待識別區域進行掃描，將掃描得到的待識別目標最小外接矩形的坐標分別記作，最頂端ymax(i)，最底端ymin(i)，最左端Xmin(i)，最右端Xmax(i)，其中，待識別目標i∈[1,n]，則待識別部分的最小外接矩形的長寬比計算公式如下：
由大量實驗數據可知，K的範圍大約為1.2-4.0之間。
對圖像待識別區域進行掃描，對三個可疑運動目標進行標定，目標1為車輛，目標2為不明發光體，目標3為行人；
掃描得到的待識別目標1外圍輪廓的坐標值為：最頂端ymax＝16，最底端ymin＝2，最左端Xmin＝2，最右端Xmax＝9的坐標值為其中，則最小外接矩形的的長寬比K＝(16-2)/(9-2)＝2；
目標2外圍輪廓的坐標值為：最頂端ymax＝5，最底端ymin＝2，最左端Xmin＝5，最右端Xmax＝6的坐標值為其中，則最小外接矩形的的長寬比K＝(5-2)/(6-5)＝3；
目標3外圍輪廓的坐標值為：最頂端ymax＝20，最底端ymin＝2，最左端Xmin＝10，最右端Xmax＝15的坐標值為其中，則最小外接矩形的的長寬比K＝(20-2)/(15-10)＝3.8；
目標1，目標2，目標3均可被識別出來，存在誤判。
求取連續兩幀圖像中待識別目標的質心,計算連續兩幀圖像的質心距離與時間間隔，計算質心運動速率；
用g1(x,y)表示圖像中的第i個運動目標的圖像，運動目標的最小接矩形的長寬比為K，根據質心計算公式求得目標行人的質心，計算公式為：
其中，i∈[1,n]，Wi為行人最小外界矩形的區域範圍，行人像素與是計算連續兩幀圖像待識別目標得到的質心坐標，定義連續兩幀圖像的質心坐標公式為：
採集連續兩幀圖像的時間間隔為Δt，待識別區域的真實行人運動速率v的計算公式為：
根據大量的實驗數據求得道路上真實的行人運動速率(包括行走和跑的情況)範圍為0.8-1.8m/s；
計算出目標1的速率為10m/s，目標2的速率為0m/s，目標3的運動速率為1.2m/s；
通過本發明的方法只將目標3識別了出來，沒有出現誤判現象。