The invention discloses a classifier training method and device for vehicle borne thermal imaging pedestrian detection. Classifier training method refers to the method of generating enhanced classifier training samples: combining positive sample annotation information and equalization technology to generate enhanced positive samples, using clustering method to analyze the information distribution of non-pedestrian background image blocks, assisting in screening different categories of enhanced negative samples; by adjusting brightness and boundary information to enhance positive and negative samples. Samples are pre-processed, and the standard of sample size division of three distances is obtained by clustering positive samples. The pre-processed positive and negative samples are divided into three training sets, which train three classifiers suitable for classifying distant, middle and close pedestrian targets. This method can reduce the computational cost of pedestrian detection and enhance the scene adaptability of the classifier while taking into account the accuracy of pedestrian detection. The classifier training device includes an enhanced positive and negative sample generation module, an enhanced positive and negative sample pretreatment module, a training set partition module and a classifier training module.
【技术实现步骤摘要】
面向车载热成像行人检测的分类器训练方法和装置
本专利技术涉及行人检测,更具体地,涉及面向车载热成像行人检测的分类器训练方法和装置。
技术介绍
车载热成像行人检测技术指通过红外热像仪作为视觉传感器,捕获车载交通场景的图像/视频,在计算机或嵌入式平台使用机器学习等方法,识别图像/视频中存在的所有行人目标,并以最小外接矩形框的坐标信息标识每个行人在图像上的位置。此过程包含两个关键阶段:RoIs(RegionsofInterest)提取和RoIs分类检测,其中影响计算开销和准确率的重要因素是提取的RoIs数量和所使用分类器的性能。在RoIs分类检测环节,一般使用机器学习方法或近年来热门的深度学习方法,构造分类器检测提取的RoIs为行人目标或背景。为了提升准确率,通常分类器模型较为复杂,如模型融合方法或深度学习模型,相应地增加计算开销。能否在提升分类器性能时尽可能减少计算开销,是一个值得关注的研究点。相对计算机而言,车载嵌入式平台具有明显的计算性能瓶颈,很多已发表的行人检测方法,特别是运用深度学习算法的技术,无法应用到此类平台,对实际应用的检测率和实时性造成影响。例如德州仪器公司生产的DM6437车载平台,该平台具有较强的稳定性,但是其处理器为单核、主频最高处理速度每秒仅有600Mhz,基于“HOG特征+线性SVM”分类器对单个RoIs的处理时间约为3毫秒,在计算性能方面远远无法和普通计算机相比。在行人检测推广到实际应用的过程中,需要找到权衡计算开销和检测性能的解决方案。在RoIs提取阶段,目前发表的一部分方法是根据图像中目标的特性规律筛选行人可能存在的前景区域。例 ...
【技术保护点】
1.一种面向车载热成像行人检测的分类器训练方法,其特征在于,所述方法包括:结合正样本标注信息和均衡化技术生成增强正样本,使用聚类方法分析非行人背景图像块的信息分布,辅助筛选不同类别的增强负样本;通过调整亮度和边界信息对增强正负样本进行预处理;以及通过聚类预处理的增强正样本获得远、中、近三个距离的样本尺度划分标准,将预处理后的增强正负样本分为三个训练集,分别训练适于分类远、中、近距离行人目标的三个分类器。
【技术特征摘要】
1.一种面向车载热成像行人检测的分类器训练方法,其特征在于,所述方法包括:结合正样本标注信息和均衡化技术生成增强正样本,使用聚类方法分析非行人背景图像块的信息分布,辅助筛选不同类别的增强负样本;通过调整亮度和边界信息对增强正负样本进行预处理;以及通过聚类预处理的增强正样本获得远、中、近三个距离的样本尺度划分标准,将预处理后的增强正负样本分为三个训练集,分别训练适于分类远、中、近距离行人目标的三个分类器。2.根据权利要求1所述的分类器训练方法,其特征在于,生成增强正样本包括:基于热成像行人检测数据集,根据标注的行人Ground-Truth边界框和预设指标提取对应图像块信息,获得原始正样本,使用平台直方图均衡化方法对原始正样本的亮度信息逐一进行处理,得到扩展正样本,增强正样本包括原始正样本和扩展正样本。3.根据权利要求1所述的分类器训练方法,其特征在于,生成增强负样本包括:在热成像行人检测数据集的完整图像中提取图像块信息,去除其中与行人Ground-Truth边界框的重合度(IntersectionoverUnion,IOU)高于30%且尺寸异常的RoIs,保留的图像块记为源负样本,使用K-mean方法对源负样本进行聚类,根据计算得到的比例在聚类结果中均匀随机选取图像块,构成增强负样本。4.根据权利要求1所述的分类器训练方法,其特征在于,对增强正负样本进行预处理包括:使用像素Y通道提取方法将增强正负样本转换为低计算开销的单通道图像格式;采用边界缩放策略调整增强正负样本的边界坐标数据,减小训练样本和实际提取RoIs的信息差异程度;进一步地,使用伽马校正方法处理增强正负样本,提高样本Y通道信息的动态范围和拉伸对比度。5.根据权利要求1所述的分类器训练方法,其特征在于,使用K-mean方法对预处理的增强正样本进行聚类分析,设定种类数量k=3,获得基于像素高度的远、中、近三个距离的样本尺度划分标准;将增强正负样本细分为三个独立的训练集...
【专利技术属性】
技术研发人员:彭绍武,许瑞霖,刘琼,吴继平,
申请(专利权)人:广州飒特红外股份有限公司,
类型:发明
国别省市:广东,44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。