行人检测装置及方法、辅助驾驶系统制造方法及图纸

本发明专利技术公开了一种行人检测装置，包括：分类器训练单元用于基于训练样本提取行人特征，并基于该行人特征离线训练获得分类器；图像采集单元用于采集待检测图像；采样单元用于在待检测图像上采样获得子图像；计算单元用于对子图像基于粒子群优化算法检测行人，其中，每个粒子定义为子图像中预设大小的对象；在粒子群优化算法中基于分类器和每个粒子的行人特征计算该粒子的适应度值，适应度值表征粒子属于行人的可能性大小。本发明专利技术还提供一种行人检测方法。本发明专利技术不仅可以提高检测速率，而且还能够满足不同检测速率需求的应用场景。

【技术实现步骤摘要】
行人检测装置及方法、辅助驾驶系统
本专利技术属于行人检测
，具体涉及一种行人检测装置及方法、辅助驾驶系统。
技术介绍
行人检测是辅助驾驶系统或者智能监控系统的一项关键技术，主要通过图像处理技术实时检测到目标区域是否存在行人，为实时警报提供技术依据。目前，常用的行人检测装置采用摄像头以及计算机视觉技术的方式，该方式虽然硬件设备简单，成本较低；但是主要难点集中在软件算法方面，如何提高检测精度和检测速率往往是该领域的关注重点。对于辅助驾驶系统而言，若画面中出现多个人，在实际应用系统中能检测到一个即可，因此，检测速率相对检测精度而言更为重要；而目前常用的行人检测装置是采用滑动窗口遍历搜索图像，检测速率较低，不能够满足要求。
技术实现思路
本专利技术旨在至少解决现有技术中存在的技术问题之一，提出了一种行人检测装置及方法、辅助驾驶系统，不仅可以提高检测速率，而且还能够满足不同检测速率需求的应用场景。为解决上述问题之一，本专利技术提供了一种行人检测装置，包括：分类器训练单元、图像采集单元、采样单元、计算单元；其中所述分类器训练单元，用于基于训练样本提取行人特征，并基于该行人特征离线训练获得分类器；所述图像采集单元，用于采集待检测图像；所述采样单元，用于在所述待检测图像上采样获得子图像；所述计算单元，用于对所述子图像基于粒子群优化算法检测行人，其中，每个粒子定义为所述子图像中预设大小的对象；在粒子群优化算法中基于所述分类器和每个粒子的行人特征计算该粒子的适应度值，所述适应度值表征粒子属于行人的可能性大小。优选地，所述行人特征包括积分通道特征。优选地，所述分类器包括boost分类器。优选地，所述计算单元包括：初始化模块，用于初始化最大迭代次数、粒子数量、每个粒子的位置、速度更新公式中的参数和位置更新公式中的参数；行人特征提取模块，用于提取每个粒子的行人特征；适应度值计算模块，用于基于所述分类器和每个粒子的行人特征计算该粒子的适应度值；最优位置确定模块，用于比较每个粒子的适应度值和该粒子之前搜索位置的适应度值，确定最大值者为该粒子在搜索过程中的局部最优解；在所有粒子的局部最优解中，确定适应度值最大值者为全局最优解；粒子速度更新模块，用于基于全局最优解和局部最优解更新每个粒子的速度；粒子位置更新模块，用于基于更新后的粒子速度更新每个粒子的位置，获得下一代粒子；结果输出模块，用于判断所述适应度值计算模块计算的下一代每个粒子的适应度值是否达到预设值，若是，则确定该粒子属于行人；若否，则控制所述最优位置确定模块工作；迭代次数统计模块，用于在获得下一代粒子之后当前迭代次数加1，且在迭代次数达到最大迭代次数时向所述行人特征提取模块发送停止工作指令。优选地，所述采样单元，用于对所述待检测图像按照预设缩放因子进行逐级缩放以获得多级子图像；所述计算单元，用于在迭代次数达到最大迭代次数时对下一级子图像基于粒子群优化算法检测行人。本专利技术还提供一种行人检测方法，包括以下步骤：基于训练样本提取行人特征，并基于该行人特征离线训练获得分类器；采集待检测图像；在所述待检测图像上采样获得子图像；对所述子图像基于粒子群优化算法检测行人，其中，每个粒子定义为所述子图像中预设大小的对象，在所述粒子群优化算法中基于所述分类器和每个粒子的行人特征计算该粒子的适应度值，所述适应度值表示该粒子属于行人的可能性大小。优选地，所述行人特征包括积分通道特征。优选地，所述分类器包括boost分类器。优选地，对所述子图像基于粒子群优化算法检测行人的步骤，包括：初始化步骤：初始化最大迭代次数、粒子数量、每个粒子的位置、速度更新公式中的参数和位置更新公式中的参数；工作步骤：提取每个粒子的行人特征；基于所述分类器和每个粒子的行人特征计算该粒子的适应度值；比较每个粒子的适应度值和该粒子之前搜索位置的适应度值，确定最大值者为该粒子在搜索过程中的局部最优解；在所有粒子的局部最优解中，确定适应度值最大值者为全局最优解；基于全局最优解和局部最优解更新每个粒子的速度；基于更新后的粒子速度更新每个粒子的位置，获得下一代粒子；提取下一代每个粒子的行人特征，基于所述分类器和下一代的每个粒子的行人特征计算该粒子的适应度值，并判断该适应度值是否达到预设值，若是，则确定该粒子属于行人；若否，则重复执行所述工作步骤；在获得下一代粒子之后当前迭代次数加1，且在迭代次数达到最大迭代次数时停止所述工作步骤。优选地，在所述待检测图像上采样获得子图像的步骤，包括：对所述待检测图像按照预设缩放因子进行逐级缩放以获得多个子图像；所述行人检测方法在迭代次数达到最大迭代次数时，还包括：对下一级子图像基于粒子群优化算法检测行人。本专利技术还提供一种辅助驾驶系统，包括本专利技术上述提供的行人检测装置。本专利技术具有以下有益效果：在本专利技术中，将粒子群优化算法引用了行人检测领域，将一个粒子广义化为以该粒子为起点大小为预设大小的行人检测窗口，以及将适应度值广义化为表征属于行人的概率得分，通过粒子群优化(PSO)算法在搜索图像中能快速收敛到概率得分较高的区域，并且，可以使得行人检测的检测速率不再与图像大小成正比例，而是与优化算法的粒子数相关联，从而能够满足不同检测速率需求的应用场景。附图说明图1为本专利技术实施例提供的行人检测装置的原理框图；图2为图1中计算单元的原理框图；图3为本专利技术实施例提供的行人检测方法的流程图；图4为图3中步骤S40的流程图。具体实施方式为使本领域的技术人员更好地理解本专利技术的技术方案，下面结合附图来对本专利技术提供的行人检测装置及方法、辅助驾驶系统进行详细描述。实施例1图1为本专利技术实施例提供的行人检测装置的原理框图；请参阅图1，本专利技术实施例提供的行人检测装置，包括：分类器训练单元10、图像采集单元20、采样单元30、计算单元40。其中，分类器训练单元10用于基于训练样本提取行人特征，并基于该行人特征离线训练获得分类器。图像采集单元20用于采集待检测图像。采样单元30用于在待检测图像上采样获得子图像。计算单元40用于对子图像基于粒子群优化算法检测行人，其中，每个粒子定义为子图像中预设大小的对象；在粒子群优化算法中基于分类器和每个粒子的行人特征计算该粒子的适应度值，适应度值表征粒子属于行人的可能性大小。具体地，若适应度值越大，则表示属于行人的可能性也就也大；若适应度值越小，则表示属于行人的可能性也就越小。优选地，行人特征包括但不限于积分通道特征，由于积分通道特征能够更好地描述行人，因此，能够提高检测行人的准确度和检测效率。具体地，根据积分通道特征的定义，计算出包含LUV(色度和色差)、梯度幅值、方向梯度直方图(HistogramofGradient简称HOG)特征，并将其顺次连接构成积分通道特征；其中，LUV分别表示亮度和两个色差特征；梯度幅值是上下左右相邻像素差的平方根，梯度方向是上下左右相邻像素差的反正切值(公式(1))，mag表示梯度幅值，Ori表示梯度方向；HOG是每一个像素的梯度幅值在对应的梯度方向上的加权直方图表示(公式(2))：其中，公式(1)和(2)中的fi,j表示图像位置(i,j)处的像素值；公式(2)中的表示第个直方图，符号表示向上取整。优选地，分类器包括但不限于boost分类器，boost分类器是将若干个弱分类器本文档来自技高网...

【技术保护点】
1.一种行人检测装置，其特征在于，包括：分类器训练单元、图像采集单元、采样单元、计算单元；其中所述分类器训练单元，用于基于训练样本提取行人特征，并基于该行人特征离线训练获得分类器；所述图像采集单元，用于采集待检测图像；所述采样单元，用于在所述待检测图像上采样获得子图像；所述计算单元，用于对所述子图像基于粒子群优化算法检测行人，其中，每个粒子定义为所述子图像中预设大小的对象；在粒子群优化算法中基于所述分类器和每个粒子的行人特征计算该粒子的适应度值，所述适应度值表征粒子属于行人的可能性大小。

【技术特征摘要】
1.一种行人检测装置，其特征在于，包括：分类器训练单元、图像采集单元、采样单元、计算单元；其中所述分类器训练单元，用于基于训练样本提取行人特征，并基于该行人特征离线训练获得分类器；所述图像采集单元，用于采集待检测图像；所述采样单元，用于在所述待检测图像上采样获得子图像；所述计算单元，用于对所述子图像基于粒子群优化算法检测行人，其中，每个粒子定义为所述子图像中预设大小的对象；在粒子群优化算法中基于所述分类器和每个粒子的行人特征计算该粒子的适应度值，所述适应度值表征粒子属于行人的可能性大小。2.根据权利要求1所述的行人检测装置，其特征在于，所述行人特征包括积分通道特征。3.根据权利要求1所述的行人检测装置，其特征在于，所述分类器包括boost分类器。4.根据权利要求1所述的行人检测装置，其特征在于，所述计算单元包括：初始化模块，用于初始化最大迭代次数、粒子数量、每个粒子的位置、速度更新公式中的参数和位置更新公式中的参数；行人特征提取模块，用于提取每个粒子的行人特征；适应度值计算模块，用于基于所述分类器和每个粒子的行人特征计算该粒子的适应度值；最优位置确定模块，用于比较每个粒子的适应度值和该粒子之前搜索位置的适应度值，确定最大值者为该粒子在搜索过程中的局部最优解；在所有粒子的局部最优解中，确定适应度值最大值者为全局最优解；粒子速度更新模块，用于基于全局最优解和局部最优解更新每个粒子的速度；粒子位置更新模块，用于基于更新后的粒子速度更新每个粒子的位置，获得下一代粒子；结果输出模块，用于判断所述适应度值计算模块计算的下一代每个粒子的适应度值是否达到预设值，若是，则确定该粒子属于行人；若否，则控制所述最优位置确定模块工作；迭代次数统计模块，用于在获得下一代粒子之后当前迭代次数加1，且在迭代次数达到最大迭代次数时向所述行人特征提取模块发送停止工作指令。5.根据权利要求4所述的行人检测装置，其特征在于，所述采样单元，用于对所述待检测图像按照预设缩放因子进行逐级缩放以获得多级子图像；所述计算单元，用于在迭代次数达到最大迭代次数...

【专利技术属性】
技术研发人员：苏海军，唐小军，
申请(专利权)人：京东方科技集团股份有限公司，
类型：发明
国别省市：北京,11