行人距离检测方法和装置制造方法及图纸

本发明专利技术公开了一种行人距离检测方法和装置，其中，该方法包括以下步骤：计算单目摄像机拍摄的行人图像的矩形特征，并对矩形特征进行训练，以得到多个弱分类器；通过级联算法将多个弱分类器组合，以构成强分类器；通过强分类器获取行人图像中行人的像素坐标；根据单目摄像机的参数和行人的像素坐标计算单目摄像机与行人之间的距离。根据本发明专利技术实施例的方法，能够提高行人距离检测的实时性和鲁棒性。

Pedestrian distance detection method and device

The invention discloses a pedestrian distance detection method and device, wherein the method comprises the following steps: the pedestrian image rectangle feature calculation monocular camera, and training on the rectangle feature, to obtain multiple weak classifiers by cascading multiple algorithm; weak classifier combination, to form a strong classifier; get the image pixel coordinates of pedestrian pedestrian through strong classifier; calculation between monocular camera and pedestrian distance according to the pixel coordinates of camera parameters and pedestrians. According to the method of the embodiment of the invention, the real-time and robustness of pedestrian distance detection can be improved.

【技术实现步骤摘要】
行人距离检测方法和装置
本专利技术涉及智能车辆
，特别涉及一种行人距离检测方法和装置。
技术介绍
随着智能车辆技术的发展，现代车辆的智能化程度不断提高。在车辆的行驶过程中，车辆能够通过机器视觉采集周围的图像信息，从而能够根据图像信息分析出对行车有帮助的信息。例如，能够根据分析出的障碍物信息对用户进行提醒或直接进行紧急制动，以确保行车安全。车辆大多通过单目摄像机来采集图像信息，如果能够从单目摄像机所采集的图像信息中分析出车辆与行人之间的距离，无疑将会大大提高行车的安全性。目前，相关技术中已能够识别出图像中的某个元素，因而能在一定程度上对行人的识别提供帮助。但是，对于单目摄像机所采集的行人图像，受到周围环境的影响，将会具有交通标志、车牌和建筑物等其他元素，而相关技术中很难从这类图像中准确地区分出行人。并且，相关技术对图像中行人的识别速度较慢，因此对行人距离检测的鲁棒性和实时性都较差，很难被应用到实际的产品中。
技术实现思路
本专利技术旨在至少在一定程度上解决相关技术中的技术问题之一。为此，本专利技术的一个目的在于提出一种行人距离检测方法，能够提高行人距离检测的实时性和鲁棒性。本专利技术的第二个目的在于提出一种行人距离检测装置。根据本专利技术第一方面实施例的行人距离检测方法，包括以下步骤：计算单目摄像机拍摄的行人图像的矩形特征，并对所述矩形特征进行训练，以得到多个弱分类器；通过级联算法将所述多个弱分类器组合，以构成强分类器；通过所述强分类器获取所述行人图像中行人的像素坐标；根据所述单目摄像机的参数和所述行人的像素坐标计算所述单目摄像机与所述行人之间的距离。根据本专利技术实施例的行人距离检测方法，通过对行人图像的矩形特征进行训练，得到多个弱分类器，通过级联算法使多个弱分类器构成强分类器，然后通过强分类器获取行人图像中行人的像素坐标，再根据单目摄像机的参数和行人的像素坐标计算单目摄像机与行人之间的距离，由此，能够快速且准确地识别出行人图像中的行人，从而能够提高行人距离检测的实时性和鲁棒性，推动了行人距离检测技术的普及。根据本专利技术第二方面实施例的行人距离检测装置，包括：训练模块，用于计算单目摄像机拍摄的行人图像的矩形特征，并对所述矩形特征进行训练，以得到多个弱分类器；组合模块，用于通过级联算法将所述多个弱分类器组合，以构成强分类器；第一获取模块，用于通过所述强分类器获取所述行人图像中行人的像素坐标；计算模块，用于根据所述单目摄像机的参数和所述行人的像素坐标计算所述单目摄像机与所述行人之间的距离。根据本专利技术实施例的行人距离检测装置，通过对行人图像的矩形特征进行训练，得到多个弱分类器，通过级联算法使多个弱分类器构成强分类器，然后通过强分类器获取行人图像中行人的像素坐标，再根据单目摄像机的参数和行人的像素坐标计算单目摄像机与行人之间的距离，由此，能够快速且准确地识别出行人图像中的行人，从而能够提高行人距离检测的实时性和鲁棒性，推动了行人距离检测技术的普及。本专利技术的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本专利技术的实践了解到。附图说明图1为根据本专利技术一个实施例的行人距离检测方法的流程图；图2为根据本专利技术一个实施例的矩形特征模板的示意图；图3为根据本专利技术一个实施例的矩形特征模板应用于面部图像的示意图；图4为根据本专利技术一个实施例的积分图与矩形中像素的关系示意图；图5为根据本专利技术一个实施例的多个坐标系的示意图；图6为根据本专利技术一个实施例的单目摄像机的标定过程中摄像机坐标与世界坐标系的位置关系示意图；图7为根据本专利技术一个实施例的左右两条车道线相交的示意图；图8为根据本专利技术一个实施例的左右两条车道线与世界坐标的关系示意图；图9为根据本专利技术一个实施例的表示单目摄像机与行人之间的距离的几何关系图；图10为根据本专利技术一个实施例的行人距离检测装置的结构框图。具体实施方式下面详细描述本专利技术的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本专利技术，而不能理解为对本专利技术的限制。下面结合附图描述本专利技术实施例的行人距离检测方法和装置。图1为根据本专利技术一个实施例的行人距离检测方法的流程图。如图1所示，本专利技术实施例的行人距离检测方法，包括以下步骤：S101，计算单目摄像机拍摄的行人图像的矩形特征，并对矩形特征进行训练，以得到多个弱分类器。图2示出了a-d四个矩形特征模板，每个模板中均包含白色的矩形和黑色的矩形。在一幅图像中，不同特征的区域可通过矩形特征模板的白色矩形和黑色矩形来表示。举例而言，如图3所示，面部图像中，人眼部区域的颜色深于脸颊区域的颜色，因此，可用图2中的矩形特征模板a来表示该两个区域。在本专利技术的一个实施例中，可定义矩形特征为矩形特征模板中白色矩形中像素的和减去黑色矩形中像素的和。其中，白色矩形中像素的和或黑色矩形中像素的和可分别通过积分图来计算。举例而言，在图4所示的A-D四个矩形中，由于点1的积分图i1等于矩形A中像素的和，点2的积分图i2等于矩形A和B中像素的总和，点3的积分图i3等于矩形A和C中像素的总和，点4的积分图i4等于矩形A-D中像素的总和，因此，矩形D中像素的和为i4+i1-i2-i3。通过上述方法计算出行人图像的多个矩形特征后，可对矩形特征进行训练，以选择其中具有较强分类特性的矩形特征，从而得到多个弱分类器。在本专利技术的一个实施例中，可通过Adaboost.M1算法(AdaptiveBoosting算法的改进算法)对矩形特征进行训练。具体地，多个矩形特征作为训练样本，可分别以对应的类别标签进行标记。其中，可以xi表示第i个训练样本，以yi表示第i个训练样本的类别标签，由此，可构成训练样本集S＝{(x1,y1),(x2,y2),...(xm,ym)}，其中，i为正整数，xi∈X，yi∈Y，yi＝{1,2,3…k}，表示共有k个类别的训练样本。在本专利技术的一个实施例中，可通过弱学习算法计算每个训练样本的加权误差。可初始化权重：w1.i＝D1(i)＝1/m,i＝1,...,m，其中，每个训练样本的分布D可为1/m，弱学习算法进行的迭代次数可为T，即t＝1,2,...T。具体地，对于ht＝L(D,wt)，可假设ht:X→Y，其中，L为弱学习算法，并计算每次迭代后每个训练样本的加权误差ht为训练样本xi的函数，故也可表示为ht(xi)。如果则T＝t-1并退出迭代过程。然后令并将权重更新为其中，为归一化常数。由此，最终能够确定加权误差较低的若干训练样本，并将其作为训练得到的弱分类器。Adaboost.M1算法中包含了多种类别标签，同时该算法中所涉及的误差为加权误差。在本专利技术的实施例中，通过Adaboost.M1算法对矩形特征进行训练，能够从图像中的多种元素中区分出目标元素，大大提高了行人距离检测的准确度。S102，通过级联算法将多个弱分类器组合，以构成强分类器。对于通过上述步骤得到的t个弱分类器hj(xi)，可通过级联算法进行组合，以构成强分类器：S103，通过强分类器获取行人图像中行人的像素坐标。在本专利技术的实施例中，所涉及的坐标系可包括：图像像素坐标系、图像物理坐标系、摄像机坐标系和世界坐标本文档来自技高网...

【技术保护点】
一种行人距离检测方法，其特征在于，包括以下步骤：计算单目摄像机拍摄的行人图像的矩形特征，并对所述矩形特征进行训练，以得到多个弱分类器；通过级联算法将所述多个弱分类器组合，以构成强分类器；通过所述强分类器获取所述行人图像中行人的像素坐标；根据所述单目摄像机的参数和所述行人的像素坐标计算所述单目摄像机与所述行人之间的距离。

【技术特征摘要】
1.一种行人距离检测方法，其特征在于，包括以下步骤：计算单目摄像机拍摄的行人图像的矩形特征，并对所述矩形特征进行训练，以得到多个弱分类器；通过级联算法将所述多个弱分类器组合，以构成强分类器；通过所述强分类器获取所述行人图像中行人的像素坐标；根据所述单目摄像机的参数和所述行人的像素坐标计算所述单目摄像机与所述行人之间的距离。2.根据权利要求1所述的行人距离检测方法，其特征在于，通过Adaboost.M1算法对所述矩形特征进行训练。3.根据权利要求1所述的行人距离检测方法，其特征在于，所述单目摄像机的参数包括单目摄像机的内部参数和单目摄像机的外部参数，其中，所述内部参数包括图像物理坐标系中，在表示像素列数的轴方向上，以像素为单位表示的等效焦距β，以及图像像素坐标系中，光轴与图像平面的交点坐标(u0,v0)，所述外部参数包括所述单目摄像机的俯仰角φ和安装高度h。4.根据权利要求3所述的行人距离检测方法，其特征在于，所述外部参数通过以下步骤获取：获取单目摄像机拍摄的道路图像中车辆的左右两条车道线；根据所述车辆的左右两条车道线获取所述单目摄像机的外部参数。5.根据权利要求3或4所述的行人距离检测方法，其特征在于，所述根据所述车辆的左右两条车道线获取所述单目摄像机的外部参数包括：获取所述车辆的左右两条车道线的交点在图像像素坐标系中的坐标，并获取所述左右两条车道线在图像像素坐标系中的斜率，并获取左右两条车道线的之间的距离；根据所述车辆的左右两条车道线的交点在图像像素坐标系中的坐标和所述内部参数计算所述单目摄像机的俯仰角φ；根据所述左右两条车道线在图像像素坐标系中的斜率、左右两条车道线的之间的距离和所述内部参数计算所述单目摄像机的安装高度h。6.根据权利要求1所述的行人距离检测方法，其特征在于，所述通过所述强分类器获取行人图像中行人的像素坐标具体包括：逐层等比放大所述强分类器的检测窗口，分别以多个尺度检测所述行人图像以生成多个尺度的检测结果；根据所述多个尺度的检测结果确定所述行人图像中行人的像素，以得到所述行人的像素坐标(u,v)。7.根据权利要求3或5所述的行人距离检测方法，其特征在于，通过以下公式计算所述单目摄像机与所述行人之间的距离：8.一种行人距离...

【专利技术属性】
技术研发人员：姜波，黄忠伟，
申请(专利权)人：比亚迪股份有限公司，
类型：发明
国别省市：广东,44