辅助驾驶中基于部件的行人检测和基于特征的跟踪方法、系统技术方案

本发明专利技术公开了辅助驾驶中基于部件的行人检测和基于特征的跟踪方法、系统，方法包括：1)检测阶段，2)验证阶段，3)基于检测的跟踪阶段。本发明专利技术通过引入基于部件的分阶段检测方法(PPD)使得整个系统能够有效地缓解行人遮挡产生误检测问题，以及在基于检测的跟踪阶段引入基于检测的跟踪算法，能够提高系统的检测率。

Component based pedestrian detection and feature-based tracking method and system in assisted driving

The invention discloses a component based pedestrian detection and feature-based tracking method and system in auxiliary driving, which includes: 1) detection stage, 2) verification stage, 3) detection tracking phase based on detection. The invention introduces a detection method based on phase component (PPD) makes the whole system can effectively alleviate pedestrian occlusion of false detection problem, and in the tracking stage based on detection and tracking algorithm based on detection, can improve the system's detection rate.

【技术实现步骤摘要】
辅助驾驶中基于部件的行人检测和基于特征的跟踪方法、系统
本专利技术涉及高级驾驶辅助系统的计算机视觉技术，特别涉及辅助驾驶中基于部件的行人检测和基于特征的跟踪方法、系统。
技术介绍
随着经济的发展，人们的购买力越来越强，越来越多的汽车行驶在公路上，随之而来的是车祸的发生量也越来越多。因为驾驶员或者行人的疏忽大意、违规操作等原因，车祸中人员的伤亡率越来越高，人们迫切需要一种技术减少交通事故的发生，尤其是减小人员受到的伤害，高级驾驶辅助系统(ADAS)正是在这样的背景下产生的。其中，行人检测系统是基于计算机视觉的高级驾驶辅助系统中非常重要的一部分，它是直接针对行人保护的系统，力图减少交通事故的发生量。由于目标的极端变化，照明条件，遮挡和高速车辆运动，检测行人对于汽车视觉系统仍然是一项具有挑战性的任务。在过去十年中，大量研究集中在这个问题上，其中，分类器在所提出的不同方法中获得了特殊的地位。许多标准特征和学习算法已经被用于行人检测。常见的选择包括基于类似Haar的特征的AdaBoost级联，或者是HOG+SVM，也有使用其他特征的，如edgelet、梯度图的变化、简单强度图像等等。在P.Viola,M.J.Jones,andD.Snow,“Detectingpedestriansusingpatternsofmotionandappearance,”Int.J.Comput.Vis.,vol.63,no.2,pp.153–161,Jul.2005.[Online].Available:http://dx.doi.org/10.1007/s11263-005-6644-8中描述的基于类似Haar特征的级联分类器是用于行人检测的非常快速的算法。这种方法的缺点是与行人的外观的紧密联系以及由此导致的鲁棒性的缺乏。另一种方案是使用N.DalalandB.Triggs,“Histogramsoforientedgradientsforhumandetection,”inProc.IEEEComput.Soc.Conf.CVPR,2005,vol.1,pp.886–893.中提出的HOG和支持向量机(SVM)的解决方案。以速度为代价，该算法更加鲁棒，并且能在更困难的情况下检测行人。将行人形状分解成多个部件在该领域中变得越来越受关注，在X.Mao,F.Qi,andW.Zhu,“Multiple-partbasedpedestriandetectionusinginterferingobjectdetection,”inProc.3rdICNC,2007,vol.2,pp.165–169.中，开发了一种基于Viola的Adaboost级联框架的系统，使用除了Haar特征之外的边缘特征来改善行人轮廓的检测；此外，引入了干扰对象的概念，即在特征级别上与人类相似的对象。在Part-basedPedestrianDetectionandFeature-basedTrackingforDriverAssistancePrioletti,Antonio；Andreas；Grislieri,Paolo；Trivedi,Mohan；Broggi,Alberto；Moeslund,ThomasB.Publishedin:IEEETransactionsonIntelligentTransportationSystemsDOI(linktopublicationfromPublisher):10.1109/TITS.2013.2262045Publicationdate:2013，提出了一种的基于部件的分阶段检测方法(PPD)，其将未知部件位置建模为SVM框架中的潜变量。针对检测高度可变对象(例如行人)本质上是使用跟踪模块，但是在复杂场景中跟踪可变数量的对象是一个具有挑战性的过程。为了应对这种问题，通常使用逐个跟踪检测的方法，即在单独的帧中检测行人，然后再在各帧之间进行关联。但是现有的方法都不能很好的解决带有假阳性可能的不连续检测的问题和缺失检测的问题。
技术实现思路
本专利技术要解决的技术问题是，提供用以降低假阳性的数量的辅助驾驶中基于部件的行人检测和基于特征的跟踪方法，并使用基于特征的跟踪来过滤存活候选者以增强识别鲁棒性并提高结果的稳定性。解决上述技术问题，本专利技术提供了辅助驾驶中基于部件的行人检测和基于特征的跟踪方法，包括如下步骤：1)检测阶段1-1)输入原始图像，对所述原始图像通过积分图像的方法构造所述原始图像的矩形特征，1-2)通过Haar级联分类器对上述矩形特征分类得到强分类器，2)验证阶段2-1)对上述检测的结果得到的感兴趣区域RegionofInterest进行HOG特征提取，然后对特征使用支持向量机SVM进行分类，2-2)上述分类包括：部件验证和/或组合验证，3)基于检测的跟踪阶段3-1)对SVM的检测结果保留一设定时间，3-2)将上述验证阶段的结果与上述检测结果匹配后得到最终的行人位置。更进一步，所述步骤1-1)包括如下步骤：使用下述至少三种特征：双矩形特征、三矩形特征以及四矩形特征，首先求出积分图像，然后计算矩阵特征。更进一步，所述步骤1-2)包括如下步骤：对每个计算得到的矩阵特征构造T个弱分类器，再根据T个弱分类器进行加权线性组合构造出强分类器。更进一步，所述组合验证具体为：将行人分成三部件：全身、上身和下身，其中上下身比例为1:1；利用HOG-SVM分类器对上述三个部件进行检测，然后利用组合验证的方式得到最终结果其中，lout是最终决定，li是来自三个基于部件的检测器之一的输出。更进一步，所述设定时间为：250ms。更进一步，所述部件验证具体为：提取图像的HOG特征,计算梯度后进行方向bin统计，最后对梯度强度做归一化，将归一化处理之后的向量最为最终的HOG描述符。基于上述，本专利技术还提供了辅助驾驶中基于部件的行人检测和基于特征的跟踪系统，包括：检测单元，用以输入原始图像，对所述原始图像通过积分图像的方法构造所述原始图像的矩形特征，通过Haar级联分类器对上述矩形特征分类得到强分类器，验证单元，用以对上述检测的结果得到的感兴趣区域RegionofInterest进行HOG特征提取，然后对部件特征使用支持向量机SVM进行分类，其中上述分类包括：部件验证和/或组合验证，基于检测的跟踪单元，用以对SVM的检测结果保留一设定时间，将上述验证阶段的结果与上述检测结果匹配后跟踪得到最终的行人位置。更进一步，所述检测单元还用以，使用下述至少三种特征：双矩形特征、三矩形特征以及四矩形特征，首先求出积分图像，然后计算矩阵特征，以及，对每个计算得到的矩阵特征构造T个弱分类器，再根据T个弱分类器进行加权线性组合构造出强分类器。更进一步，所述验证单元还用以，将行人分成三部件：全身、上身和下身，其中上下身比例为1:1；利用HOG-SVM分类器对上述三个部件进行检测，然后利用组合验证的方式得到最终结果其中，lout是最终决定，li是来自三个基于部件的检测器之一的输出。更进一步，所述基于检测的跟踪单元还用以，提取图像的HOG特征,计算梯度后进行方向bin统计，最后对梯度强度做归一化，将归一化处理之后的向量最为最终的HOG描述符本专利技术的有益效果：在本专利技术本文档来自技高网...

【技术保护点】
辅助驾驶中基于部件的行人检测和基于特征的跟踪方法，其特征在于，包括如下步骤：1)检测阶段1‑1)输入原始图像，对所述原始图像通过积分图像的方法构造所述原始图像的矩形特征，1‑2)通过Haar级联分类器对上述矩形特征分类得到强分类器，2)验证阶段2‑1)对上述检测的结果得到的感兴趣区域Region of Interest进行HOG特征提取，然后对部件特征使用支持向量机SVM进行分类，2‑2)上述分类包括：部件验证和/或组合验证，3)基于检测的跟踪阶段3‑1)对SVM的检测结果保留一设定时间，3‑2)将上述验证阶段的结果与上述检测结果匹配后跟踪得到最终的行人位置。

【技术特征摘要】
1.辅助驾驶中基于部件的行人检测和基于特征的跟踪方法，其特征在于，包括如下步骤：1)检测阶段1-1)输入原始图像，对所述原始图像通过积分图像的方法构造所述原始图像的矩形特征，1-2)通过Haar级联分类器对上述矩形特征分类得到强分类器，2)验证阶段2-1)对上述检测的结果得到的感兴趣区域RegionofInterest进行HOG特征提取，然后对部件特征使用支持向量机SVM进行分类，2-2)上述分类包括：部件验证和/或组合验证，3)基于检测的跟踪阶段3-1)对SVM的检测结果保留一设定时间，3-2)将上述验证阶段的结果与上述检测结果匹配后跟踪得到最终的行人位置。2.根据权利要求1所述的跟踪方法，其特征在于，所述步骤1-1)包括如下步骤：使用下述至少三种特征：双矩形特征、三矩形特征以及四矩形特征，首先求出积分图像，然后计算矩阵特征。3.根据权利要求2所述的跟踪方法，其特征在于，所述步骤1-2)包括如下步骤：对每个计算得到的矩阵特征构造T个弱分类器，再根据T个弱分类器进行加权线性组合构造出强分类器。4.根据权利要求1所述的跟踪方法，其特征在于，所述组合验证具体为：将行人分成三部件：全身、上身和下身，其中上下身比例为1:1；利用HOG-SVM分类器对上述三个部件进行检测，然后利用组合验证的方式得到最终结果其中，lout是最终决定，li是来自三个基于部件的检测器之一的输出。5.根据权利要求1所述的跟踪方法，其特征在于，所述设定时间为：250ms。6.根据权利要求1所述的跟踪方法，其特征在于，所述部件验证具体为：提取图像的HOG特征,计算梯度...

【专利技术属性】
技术研发人员：刘鹏，
申请(专利权)人：开易北京科技有限公司，
类型：发明
国别省市：北京,11