行人图像检测的分块处理方法技术

行人图像检测的分块处理方法，属于行人检测技术领域，用于解决为解决通过图像分割对中远距离微小行人目标检测的问题，要点是根据指定拍摄Dis范围内的行人目标大小为参考，由此确定后续分块模块尺寸，完成系统初始化参数确定；根据得到行人目标位置信息与行人高度、宽度的关系曲线定义分块模块的大小，具体定义如下：设分块模块的高、宽分别为H

Block processing method of pedestrian image detection

【技术实现步骤摘要】
行人图像检测的分块处理方法
本专利技术属于计算机视觉应用中的行人检测
，具体的说是一种行人图像检测的分块处理方法。
技术介绍
目标检测技术是计算机视觉领域重要的组成部分，其技术被广泛应用于自主汽车、移动机器人、智能交通、智能安防系统等领域。行人目标检测具体的说是对图像中目标行人的位置确定。该项技术应用领域广泛，在自主汽车辅助驾驶中，行人目标检测可应用于行人危险预判，有效减少交通事故的发生；在军事领域，行人目标检测可用于判断敌军行人目标位置，从而及时对军事策略进行规划及修正；在智能安防系统中，行人目标检测判断环境及周边行人位置，防止行人对安防保护区域进行破坏。对于近距离目标行人，当前行人检测算法已经可以达到应用要求，但对于远距离行人的检测，现有技术仍有很大研究空间。因此，如何有效对远距离行人进行检测成为了当前研究的热点问题。远距离微小行人目标的检测是目前模式识别中非常具有挑战性的研究课题，目前研究方法以通过红外图像进行检测为主。红外图像通过行人本身具有的温度特征对背景信息进行区分，具体来说，以图像灰度化为手段增加图像像素的梯度值，强化目标边缘信息，达到检测目标的目的。但基于红外图像检测微小目标的手段，鲁棒性较差，且只能判断目标是否存在、判断出目标所在位置，不能对目标的类别进行区分，其应用场景受到了较大的限制。在高速行驶的汽车上安装的监控系统，对中远距离行人目标检测更为必要。在日益智能化的交通背景下，行车、驾驶员与行人之间的安全是智能化交通的基本要求，提前预判前方行人目标的方向及走势，是提高行车安全的必要手段之一。而中远距离的微小行人目标恰是预判走势的关键因素，可应用于行车预判系统中行人目标危险系数的判定，提前避免事故的发生。无人机技术在拍摄、巡查等方面都有着广泛的应用。提高远距离目标检测的准确度是进一步加强无人机技术普及的重要因素。无人机航拍画面中，由于拍摄距离较远，构成行人目标的像素点减少；同时，由于行人目标的姿态多变性，致使画面中的行人目标没有稳定的结构和纹理特征，降低了整个检测系统的检测精度，若能实现对航拍画面中的微小目标准确检测，不仅能够增加监控的可靠性，同时也降低对目标的跟踪失效的可能性。专利申请号为CN108920996A，名称为“一种基于机器人视觉的小目标检测方法”通过引入小波变化的方式，在图像的水平分量和垂直分量上增加低频分量的信息，通过增强目标信号的方式，降低噪声对输入图像的干扰，从而提升了小目标的检测率，但是该方法在目标环境复杂时适用性较弱。专利申请号为CN108288075A，名称为“一种改进SSD的轻量化小目标检测方法”则是直接在原有的检测算法的基础上，增加逆卷积结构，对高、低分辨率的图像特征信息进行融合，提升了整体特征的表达能力，以此实现小目标检测的目的，但同时该方法也增加了检测过程中的错检率。
技术实现思路
为解决通过图像分割对中远距离微小行人目标检测的问题，本专利技术提出一种行人图像检测的分块处理方法，包括1)确定分块模块尺寸：首先，采用身高为1.7m的行人目标作为图像采集对象，在镜头的视野范围内，目标自6米-110米之间连续向后移动，摄像机从6米开始正式拍照，目标距离摄像机每增加6米拍摄一次；随后，对图像中行人目标的高度HPerson与宽度WPerson以及行人目标在不同距离图像中的位置信息PPerson进行数据化表达；最后，利用行人目标在图像中的位置信息PPerson分别对行人目标的高度和宽度进行回归分析计算，直接定义以拍摄距离Dis处的行人目标在图像中大小为标准行人目标大小，其中Dis∈[16m,20m]根据指定拍摄Dis范围内的行人目标大小为参考，由此确定后续分块模块尺寸，完成系统初始化参数确定；根据得到行人目标位置信息与行人高度、宽度的关系曲线定义分块模块的大小，具体定义如下：设分块模块的高、宽分别为HSlice与WSlice，则分块模块的宽度与高度具体表示形式如下：WSlice＝α*WPersonHSlice＝β*HPerson其中，α和β为比例系数，其中α∈[5,7]，β∈[3,5]；分块模块左上角、右上角、左下角与右下角坐标大小具体如下：其中，(X,Y)为分块模块在图像中任意起点坐标，由分块模块坐标确定出分块模块的大小；2)确定分块模块步幅以分块模块的高、宽为模块步进步长的衡量标准，分块模块以X轴和Y轴正方向为步进的移动方向；直接定义分块模块在X轴运动方向上，分块模块的步进步长为Lx：LX＝WSlice*r1其中r1∈[50％,100％]直接定义分块模块在Y轴运动方向上，分块模块的步进步长为Ly：Ly＝HSlice*r2其中r2∈[75％,100％]3)根据分块模块尺寸和步幅，对全局图像进行分块模块划分。有益效果：通过确定分块模块尺寸和步幅将拍摄图像进行分块，并在分块中通过分块模块左上角、右上角、左下角与右下角坐标分配，确定分块大小，该分块方法是通过对图像进行更为细致的划分，增加图像中部分高频分量，补充细节信息，从而进一步提升小目标的表象特征以提高小目标的检测率。附图说明图1是本专利技术拍摄示意图；图2是图像坐标系定义示意图；图3是一种微小行人目标检测方法的原理逻辑图；图4是实施例1中108米处的待检测图像；图5是实施例1经过本专利技术后108米出的检测结果图；图6是实施例2中105米出的待检测图像；图7是实施例2经过本专利技术后105米出的检测结果图。具体实施方式接下来结合附图和具体实施过程来对使用本专利技术进行检测的实例进行描述：一种微小行人目标检测方法的原理逻辑图，如图3所示，实施步骤概况如下：第1步：输入图像视频序列帧，同时获取分块模块划分的基础数据；第2步：根据基础数据与比例函数对图像进行分块模块划分；第3步：将划分好的分块模块图像送输入到检测器进行检测；第4步：将第3步的检测结果送入到检测框坐标还原模块，进行检测结果统一化处理；第5步：将第4步的结果进行重叠区校验处理，去除冗余检测结果；第6步：得到最终的检测结果。其中，“微小”的具体定义是指在固定分辨率的图像中，距离图像采集设备镜头中心点距离30米时，所呈现的标准行人目标(以人体身高1.7米为基准)的像素高度为阈值，小于该像素高度阈值的行人目标统称为微小行人目标。具体的：本专利技术通过分块模块划分、全局目标融合、冗余目标框的去除实现图像中微小目标的检测。本专利技术为行人目标检测算法的一种预处理方法，由于微小目标在图像中的面积以及显示比例较小，辨识度低等原因，导致微小目标不易被检测，故而本专利技术提出一种分块模块划分的方法。该方法根据中远距离目标在图像中变化规律，合理确定出分块模块大小与步幅的适用参数，有效对检测图片进行切割，在减少干扰信息的同时提高了目标特征表现力，提高目标检测算法的本文档来自技高网...

【技术保护点】
1.一种行人图像检测的分块处理方法，其特征在于，包括/n1)确定分块模块尺寸：/n首先，采用身高为1.7m的行人目标作为图像采集对象，在镜头的视野范围内，目标自6米-110米之间连续向后移动，摄像机从6米开始正式拍照，目标距离摄像机每增加6米拍摄一次；/n随后，对图像中行人目标的高度H

【技术特征摘要】
1.一种行人图像检测的分块处理方法，其特征在于，包括
1)确定分块模块尺寸：
首先，采用身高为1.7m的行人目标作为图像采集对象，在镜头的视野范围内，目标自6米-110米之间连续向后移动，摄像机从6米开始正式拍照，目标距离摄像机每增加6米拍摄一次；
随后，对图像中行人目标的高度HPerson与宽度WPerson以及行人目标在不同距离图像中的位置信息PPerson进行数据化表达；
最后，利用行人目标在图像中的位置信息PPerson分别对行人目标的高度和宽度进行回归分析计算，直接定义以拍摄距离Dis处的行人目标在图像中大小为标准行人目标大小，其中
Dis∈[16m,20m]
根据指定拍摄Dis范围内的行人目标大小为参考，由此确定后续分块模块尺寸，完成系统初始化参数确定；
根据得到行人目标位置信息与行人高度、宽度的关系曲线定义分块模块的大小，具体定义如下：设分块模块的高、宽分别为HSlice与W...

【专利技术属性】
技术研发人员：毛琳，杨大伟，张静，
申请(专利权)人：大连民族大学，
类型：发明
国别省市：辽宁;21