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 ...
【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
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。