基于立体视觉的行人检测与测距方法技术

本发明专利技术提出了一种基于立体视觉的行人检测与测距方法，具体实现步骤如下：(1)获取立体视觉图像；(2)构建卷积神经网络；(3)计算立体视觉左图像的预测值；(4)判断预测值是否大于0.5；(5)对预测值做去归一化处理；(6)计算匹配代价值；(7)选择最优视差值；(8)计算行人离摄像头的距离；(9)输出行人离摄像头的距离。本发明专利技术采用卷积神经网络对立体视觉图像做行人检测，并且通过立体视觉图像的视差计算获得行人到双目摄像头的距离，能够有效提高图像行人检测的运算速度，对行人相互靠近的图像具有更好的检测准确率，可以获得图像中行人到双目摄像头的距离。

【技术实现步骤摘要】
基于立体视觉的行人检测与测距方法
本专利技术属于图像处理
，更进一步涉及计算机视觉
中的一种基于立体视觉的行人检测与测距的方法。本专利技术可以对双目摄像头拍摄的立体视觉图像做行人检测，并且通过立体视觉图像的视差计算获得行人到双目摄像头的距离。
技术介绍
行人检测与测距使用双目摄像头拍摄得到立体视觉图像，然后对立体视觉图像做行人检测，并且通过立体视觉图像的视差计算获得行人到双目摄像头的距离。浙江大学在其申请的专利文献“一种基于视觉的快速行人检测方法”(专利申请号201310132965.1，公开号103177248B)中公开了一种行人检测方法。该方法首先通过安装在车辆上的摄像头获取车辆前进道路上的视频图像，然后采用类哈尔特征作为行人描述特征，构建多尺度级联分类器作为行人检测器，采用串联级联策略实现快速的实时行人与非行人的分类识别，最后用非极大值抑制算法确定与行人特征最匹配的滑动窗口，确定行人的位置。该方法存在的不足之处是，该方法使用滑动窗口对图像的每个位置做特征提取和分类识别，滑动窗口需要计算一幅图像中的大量窗口，因此算法复杂度高，运算耗时大。Redmon,Joseph,e本文档来自技高网...

【技术保护点】
一种基于立体视觉的行人检测与测距方法，包括如下步骤：(1)获取立体视觉图像：使用双目摄像头拍摄待检测与测距的包含行人通过的监控场景，得到该场景的立体视觉左图像和立体视觉右图像；(2)构建卷积神经网络：构建一个包含8个卷积层、5个抽取层和1个全连接层的卷积神经网络；(3)计算立体视觉左图像的预测值：(3a)将立体视觉左图像输入到卷积神经网络中，输出尺寸为980×1个像素的特征向量；(3b)将立体视觉左图像均匀划分为14×14个正方形区域；(3c)将卷积神经网络输出的980×1个像素的特征向量中的所有的向量元素，均匀分配给立体视觉左图像的每个正方形区域，每个正方形区域得到5个向量元素；将每个正方形...

【技术特征摘要】
1.一种基于立体视觉的行人检测与测距方法，包括如下步骤：(1)获取立体视觉图像：使用双目摄像头拍摄待检测与测距的包含行人通过的监控场景，得到该场景的立体视觉左图像和立体视觉右图像；(2)构建卷积神经网络：构建一个包含8个卷积层、5个抽取层和1个全连接层的卷积神经网络；(3)计算立体视觉左图像的预测值：(3a)将立体视觉左图像输入到卷积神经网络中，输出尺寸为980×1个像素的特征向量；(3b)将立体视觉左图像均匀划分为14×14个正方形区域；(3c)将卷积神经网络输出的980×1个像素的特征向量中的所有的向量元素，均匀分配给立体视觉左图像的每个正方形区域，每个正方形区域得到5个向量元素；将每个正方形区域的5个向量元素，依次作为该区域的行人存在概率预测值、行人横坐标预测值、行人纵坐标预测值、行人宽度预测值、行人高度预测值；(4)判断立体视觉左图像的每个正方形区域的行人存在概率预测值是否大于0.5，若是，则认为该区域存在行人，执行步骤(5)；否则，认为该区域不存在行人，执行步骤(6)；(5)对预测值做去归一化处理：将存在行人的正方形区域的行人横坐标预测值、行人纵坐标预测值、行人宽度预测值、行人高度预测值分别做去归一化处理，得到用于确定行人位置的横坐标值和纵坐标值、行人的宽度值和行人的高度值；(6)计算匹配代价值：(6a)将立体视觉左图像中每个像素点的视差值的取值范围设置为0到255个灰度值；(6b)按照下式，计算立体视觉左图像中每个像素点分别取0到255灰度值范围内的每个视差值的匹配代价值：

【专利技术属性】
技术研发人员：宋彬，杨荣坚，秦浩，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：陕西,61