一种选择性搜索与机器学习分类的远红外行人检测方法技术

本发明专利技术公开一种选择性搜索与机器学习分类的远红外行人检测方法，经过选择性搜索算法结合滑动窗口方法从远红外图像中生成候选区域；根据候选区域的不同高度，构建基于局部强度差异直方图特征的双分支支持向量类器同时对候选区域进行分类，获得行人检测框；在此基础上，实现基于行人高度和行人运动方向估计的辅助驾驶提醒功能。系统包括：利用选择性搜索与局部滑窗技术获取行人候选区域的候选区域生成模块、基于局部强度差异直方图特征的双分支支持向量机实现候选区域分类的候选区域分类模块、双分支支持向量机训练模块、基于高度和行人运动方向估计的危险行人预警模块。本发明专利技术能够兼顾检测准确率和检测速度，算法性能达到实用化要求，并且具备辅助驾驶提醒功能。

A far infrared pedestrian detection method based on selective search and machine learning classification

The invention discloses a far-infrared pedestrian detection method of selective search and machine learning classification, through selective search algorithm and sliding window method, candidate areas are generated from far-infrared image; according to different heights of candidate areas, a dual branch support vector classifier based on the characteristics of local strength difference square graph is constructed, and the candidate areas are classified at the same time to obtain pedestrian detection On this basis, the auxiliary driving reminder function based on the estimation of pedestrian height and pedestrian movement direction is realized. The system includes: candidate region generation module using selective search and local sliding window technology, candidate region classification module based on local strength difference histogram feature of dual branch support vector machine, training module based on dual branch support vector machine, dangerous pedestrian early warning module based on height and pedestrian motion direction estimation. The invention can take into account the detection accuracy and detection speed, the algorithm performance reaches the practical requirements, and has the function of auxiliary driving reminder.

【技术实现步骤摘要】
一种选择性搜索与机器学习分类的远红外行人检测方法
本专利技术属于计算机视觉与模式识别、图像处理和计算机视觉的辅助驾驶系统领域，尤其涉及一种选择性搜索与机器学习分类的远红外行人检测方法。
技术介绍
远红外亦称为热红外，根据场景温度成像、不依赖于场景光照，特别适合于需要同时在白天和夜间进行行人检测的车载辅助驾驶系统。然而，针对基于热红外的行人检测辅助驾驶系统，目前国内普遍存在系统检测率低、虚警率高、实时性差的问题，导致无法满足实际应用要求。故研究基于热成像的车载行人检测方法，直接来源于社会与市场的需求。王小蕾（基于候选区域列举的红外行人检测研究[J].淮北师范大学学报（自然科学版）,2019,40(1):73-80.）通过选择性搜索算法得到分割结果，然后利用先验知识对分割结果进行合并获得候选区域，在此基础上，基于积分通道特征的Adaboost分类器实现远红外行人检测。该方法虽然取得了较好的实时性效果，但比较依赖于主观的先验知识，而且仅设计了单分支的分类器，未对不同距离的行人外观模式进行分别建模，精度未能达到实用化精度。石永彪等（基于聚合通道特征的红外行人检测方法[J].红外,2018,39(05):44-50.）通过图像金字塔上滑窗方法获取远红外行人候选区域，然后基于融合了多种不同的特征的Adaboost分类器实现远红外行人检测。该方法验证了融合多种特征能显著提升远红外行人检测的精度，然而该方法在多个图像金字塔的基础上进行滑窗以获得候选区域，产生了数量庞大的候选区域，虽然特征融合提升了精度，但实时性确比较差，难以满足辅助驾驶系统中的实时性要求。汤琳等（基于HOG特征优化的夜间行人快速识别方案[J].计算机工程,2015,41(7):250-256.）通过熵加权方向梯度直方图特征增强对远红外行人的描述，然后头部模板验证和加速的支持向量机实现远红外行人检测。虽然相对于传统的方向梯度直方图特征精度更高，但熵加权方向梯度直方图特征只对轮廓比较明显的远红外行才有比较明显的描述能力提升，对于轮廓特征不明显的远红外行人，改进效果较差。故该方法无法应对多个场景、多个季节下的红外行人检测问题。专利一种基于红外行人亮度统计特征的夜间行人检测方法（中国专利授权公告号:CN104778453A，授权公告日:2015年07月15日）构造了一个区分投票区间划分的亮度直方图特征，将其串联梯度方向直方图特征，将这两个特征进行联合构成最终的特征描述符，利用Adaboost结合决策树对候选区域进行分类，完成行人检测。该方法算法比较简单，虽然实时性较好，但由于只是提取了表征能力较差的亮度和梯度统计特征进行候选区域描述，导致系统的精度较差。综上所述，虽然基于远红外成像的车载行人检测方法已经取得了一定的成果，但是，为了满足实际应用的要求，迫切需要在检测准确率、实时性方面做出进一步的改进。
技术实现思路
本专利技术实施例的目的在于提供一种选择性搜索与机器学习分类的远红外行人检测方法，旨在解决现有的基于远红外摄像头的车载行人检测方法的识别准确率不达标和/或不尽如人意、实时性需要提高、鲁棒性不强的问题。一种选择性搜索与机器学习分类的远红外行人检测方法，其特征在于通过选择性搜索算法结合局部滑窗技术生成候选区域，然后构建一个基于局部强度差异直方图特征的双分类器得到检测结果，并根据行人的高度和运动方向输出危险行人报警信息，完成辅助驾驶，具体包括：步骤一，利用选择性搜索与局部滑动窗口技术获取红外行人候选区域；步骤二，基于局部强度差异直方图特征的双分支支持向量机实现候选区域分类；步骤三，根据行人的高度和运动方向输出危险行人报警信息；进一步，权利要求1所述一种选择性搜索与机器学习分类的远红外行人检测方法，其特征在于，步骤一所述选择性搜索算法结合局部滑窗技术指，选择性搜索算法获得初步候选区域后，在初步候选区域的基础上进行局部滑窗，从而获得最终的候选区域，以弥补目前的选择性搜索算法不能在各种场景获得所有行人候选区域的不足；所述的局部滑窗技术指，对选择性搜索所得的每个矩形框的左上角坐标，分别按照15×30像素2、75×135像素2的局部窗口大小进行滑窗，以获得最终的红外行人候选区域。进一步，权利要求1所述一种选择性搜索与机器学习分类的远红外行人检测方法，其特征在于，步骤二所述的双分支分类器指根据候选区域的高度划分样本空间，构成两个互不相交的样本子集；在每一个样本子集中，提取候选区域的局部强度差异直方图特征，并通过非线性支持向量机学习算法获得双分支结构分类器，将所得的分类器对候选区域进行分类，获得行人检测结果。进一步，权利要求1所述一种选择性搜索与机器学习分类的远红外行人检测方法，其特征在于，步骤三所述根据行人的高度和运动方向输出危险行人报警信息指对行人高度高于120个像素或行人从右边向做运动或从左向右运动时，系统才输出报警信息，警示驾驶员注意车辆前方危险行人。本专利技术提供的一种选择性搜索与机器学习分类的远红外行人检测方法，与现有的基于车载远红外摄像头的行人检测技术相比，本专利技术具有如下优点和效果：通过在分割结果的基础上进行局部滑窗获取候选区域，弥补了选择性搜索算法进行红外图像分割的不足，能获得更加准确的行人候选区域；设计了基于强度差异直方图特征的双分支支持向量机分类器，相对于单分支分类器的方法，能根据行人的不同距离选择最合适的分支以获得更高的分类精度；同时，强度差异直方图特征是专门针对了红外行人的成像特点、改进了传统的梯度直方图而得，对不同场景下的红外行人具有更高的表征能力；本系统不仅能在视频中检测到行人，而且具备基于行人高度和行人运动放心的危险行人预警功能。此外，本系统在多种户外交通场景下，能实时运行，并且系统准确率较高，满足实际应用的需求。附图说明图1是本专利技术实施例提供的一种选择性搜索与机器学习分类的远红外行人检测方法；图2是本专利技术实施例提供的一种选择性搜索与机器学习分类的远红外行人检测方法结构示意图；图中：A、候选区域生成模块；B、候选区域分类训练模块；C、危险行人预警模块；D、分类器离线训练模块。图3是本专利技术实施例提供的基于局部强度差异直方图特征的双分支结构支持向量机分类器结构的实施例图；具体实施方式为了使本专利技术的目的、技术方案及优点更加清楚明白，以下结合实施例，对本专利技术进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本专利技术，并不用于限定本专利技术。下面结合附图及具体实施例对本专利技术的应用原理作进一步描述。如图1所示，本专利技术实施例的一种选择性搜索与机器学习分类的远红外行人检测方法包括以下步骤：S101，利用选择性搜索与局部滑动窗口技术获取红外行人候选区域；S102，基于局部强度差异直方图特征的双分支支持向量机实现候选区域分类；S103，根据行人的高度和运动方向输出危险行人报警信息；步骤S101所述选择性搜索算法结合局部滑窗技术指，选择性搜索算法获得初步候选区域后，在初步候本文档来自技高网...

【技术保护点】
1.一种选择性搜索与机器学习分类的远红外行人检测方法，其特征在于通过选择性搜索算法结合局部滑窗技术生成候选区域，然后构建一个基于局部强度差异直方图特征的双分类器得到检测结果，并根据行人的高度和运动方向输出危险行人报警信息，完成辅助驾驶，具体包括：/n步骤一，利用选择性搜索与局部滑动窗口技术获取红外行人候选区域；/n步骤二，基于局部强度差异直方图特征的双分支支持向量机实现候选区域分类；/n步骤三，根据行人的高度和运动方向输出危险行人报警信息。/n

【技术特征摘要】
1.一种选择性搜索与机器学习分类的远红外行人检测方法，其特征在于通过选择性搜索算法结合局部滑窗技术生成候选区域，然后构建一个基于局部强度差异直方图特征的双分类器得到检测结果，并根据行人的高度和运动方向输出危险行人报警信息，完成辅助驾驶，具体包括：
步骤一，利用选择性搜索与局部滑动窗口技术获取红外行人候选区域；
步骤二，基于局部强度差异直方图特征的双分支支持向量机实现候选区域分类；
步骤三，根据行人的高度和运动方向输出危险行人报警信息。


2.权利要求1所述一种选择性搜索与机器学习分类的远红外行人检测方法，其特征在于，步骤一所述选择性搜索算法结合局部滑窗技术指，选择性搜索算法获得初步候选区域后，在初步候选区域的基础上进行局部滑窗，从而获得最终的候选区域，以弥补目前的选择性搜索算法不能在各种场景获得所有行人候选区域的不足；所述的局部滑...

【专利技术属性】
技术研发人员：郑永森，周殿清，李进业，林琳，周伟滨，李卓思，其他发明人请求不公开姓名，
申请(专利权)人：广州三木智能科技有限公司，
类型：发明
国别省市：广东;44