【技术实现步骤摘要】
本公开涉及目标图像识别，尤其涉及一种电子设备及夜间行人检测方法。
技术介绍
1、夜间行车时，由于环境因素的影响，例如光照强度、恶劣天气等，驾驶人员可能无法准确判断出黑暗中是否有行人在前方。夜间行人检测是安全驾驶的重要前提。
2、相关技术中，夜间行人检测大多基于可见光或红外图像进行单一模态检测，但是夜间拍摄的可见光图像通常存在暗影、低对比度、噪声明显和细节纹理不清晰等问题，红外图像存在对比度低、边缘模糊、目标细节内容缺失等问题，所以单一模态的夜间行人检测方法由于图像本身的限制，导致检测效果较差。因此，如何提高对夜间行人的检测准确性是当前亟需解决的问题。
技术实现思路
1、为了解决上述技术问题或者至少部分地解决上述技术问题，本公开提供了一种显示设备和夜间行人检测方法，可以提高对夜间行人的检测准确性，进一步保证夜间驾驶安全。
2、第一方面，本公开提供了一种电子设备，包括：
3、获取可见光图像和红外图像；
4、获取所述可见光图像对应的第一目标灰度图像；
5、获取所述红外图像对应的第二目标灰度图像；
6、对所述第一目标灰度图像和所述第二目标灰度图像进行融合处理，得到目标融合图像；
7、对所述目标融合图像进行识别，以确定所述目标融合图像中对象为目标分类的概率，以及所述对象的位置信息。
8、作为本公开实施例一种可选的实施方式，所述控制器，具体被配置为：
9、所述获取所述可见光图像对应的第一
10、对所述可见光图像进行自适应对数变换处理，得到第一目标图像；
11、对所述第一目标图像进行伽马校正，得到第一目标灰度图像。
12、作为本公开实施例一种可选的实施方式，所述控制器，具体被配置为：
13、所述获取所述红外图像对应的第二目标灰度图像，包括：
14、对所述红外图像进行直方图均衡化处理，得到第二目标灰度图像。
15、作为本公开实施例一种可选的实施方式，所述控制器，具体被配置为：
16、所述对所述第一目标灰度图像和所述第二目标灰度图像进行融合处理，得到目标融合图像，包括：
17、基于高斯滤波和双边滤波，对所述第一目标灰度图像和所述第二目标灰度图像进行分层处理，得到至少一个基础层图像和至少一个细节层图像；
18、基于多尺度图像融合策略，对所述至少一个基础层图像和至少一个细节层图像进行融合处理，得到目标融合图像。
19、作为本公开实施例一种可选的实施方式，所述控制器，具体被配置为：
20、所述基于高斯滤波和双边滤波，对所述第一目标灰度图像和所述第二目标灰度图像进行分层处理，得到至少一个基础层图像和至少一个细节层图像，包括：
21、基于高斯滤波和双边滤波，对所述第一目标灰度图像进行多尺度分解，得到红外基础层图像、红外纹理细节层图像、以及红外边缘细节层图像；
22、基于高斯滤波和双边滤波，对所述第二目标灰度图像进行多尺度分解，得到可见光基础层图像、可见光纹理细节层图像、以及可见光边缘细节层图像。
23、作为本公开实施例一种可选的实施方式，所述控制器，具体被配置为：
24、所述基于多尺度图像融合策略对所述至少一个基础层图像和至少一个细节层图像进行融合处理，得到目标融合图像，包括：
25、对所述红外基础层图像和所述可见光基础层图像进行融合，得到基础层融合图像；
26、对所述红外纹理细节层图像和所述可见光纹理细节层图像进行融合，得到纹理细节层融合图像；
27、对所述红外边缘细节层图像和所述可见光边缘细节层图像进行融合，得到边缘细节层融合图像；
28、根据所述基础层融合图像、所述纹理细节层融合图像、以及所述边缘细节层融合图像，得到目标融合图像。
29、作为本公开实施例一种可选的实施方式，所述控制器，具体被配置为：
30、所述对所述目标融合图像进行识别，以确定所述目标融合图像中对象为目标分类的概率，以及所述对象的位置信息，包括：
31、将所述目标融合图像输入目标检测模型，对所述目标融合图像进行识别，以确定所述目标融合图像中对象为目标分类的概率，以及所述对象的位置信息。
32、作为本公开实施例一种可选的实施方式，所述目标检测模型包括：特征提取模块和回归分类模块，所述控制器，具体还被配置为：
33、所述将所述目标融合图像输入目标检测模型，对所述目标融合图像进行识别，以确定所述目标融合图像中对象为目标分类的概率，以及所述对象的位置信息，包括：
34、将所述目标融合图像输入所述特征提取模块，获取所述目标融合图像中的对象的纹理细节信息和边缘细节信息；
35、将所述目标融合图像中的对象的纹理细节信息和边缘细节信息输入所述回归分类模块，得到所述目标融合图像中对象为目标分类的概率，以及所述对象的位置信息。
36、作为本公开实施例一种可选的实施方式，所述特征提取模块包括：预设注意力机制单元和预设卷积单元；所述预设卷积单元包括：预设下采样卷积层、预设中间卷积层、以及激活函数层；
37、所述控制器，还被配置为：
38、所述将所述目标融合图像输入所述特征提取模块，获取所述目标融合图像中的对象的纹理细节信息和边缘细节信息，包括：
39、将所述目标融合图像输入所述预设注意力机制单元，得到所述目标融合图像中的对象的注意力特征向量；
40、通过所述预设卷积单元对所述注意力特征向量进行下采样，得到所述目标融合图像中的对象的纹理细节信息和边缘细节信息。
41、第二方面，提供一种夜间行人检测方法，所述方法包括：
42、获取可见光图像和红外图像；
43、获取所述可见光图像对应的第一目标灰度图像；
44、获取所述红外图像对应的第二目标灰度图像；
45、对所述第一目标灰度图像和所述第二目标灰度图像进行融合处理，得到目标融合图像；
46、对所述目标融合图像进行识别，以确定所述目标融合图像中对象为目标分类的概率，以及所述对象的位置信息。
47、作为本公开实施例一种可选的实施方式，所述获取所述可见光图像对应的第一目标灰度图像，包括：
48、对所述可见光图像进行自适应对数变换处理，得到第一目标图像；
49、对所述第一目标图像进行伽马校正，得到第一目标灰度图像。
50、作为本公开实施例一种可选的实施方式，所述获取所述红外图像对应的第二目标灰度图像，包括：
51、对所述红外图像进行直方图均衡化处理，得到第二目标灰度图像。
52、作为本公开实施例一种可选的实施方式，所述对所述第一目标灰度图像和所述第二目标灰度图像进行融合处理，得到目标融合图像，包括：
53、基本文档来自技高网...
【技术保护点】
1.一种电子设备，其特征在于，包括：
2.根据权利要求1所述的电子设备，其特征在于，所述控制器，具体被配置为：
3.根据权利要求1所述的电子设备，其特征在于，所述控制器，具体被配置为：
4.根据权利要求1所述的电子设备，其特征在于，所述控制器，具体被配置为：
5.根据权利要求4所述的电子设备，其特征在于，所述控制器，具体被配置为：
6.根据权利要求5所述的电子设备，其特征在于，所述控制器，具体被配置为：
7.根据权利要求1所述的电子设备，其特征在于，所述控制器，具体被配置为：
8.根据权利要求7所述的电子设备，其特征在于，所述目标检测模型包括：特征提取模块和回归分类模块，所述控制器，具体还被配置为：
9.根据权利要求8所述的电子设备，其特征在于，所述特征提取模块包括：预设注意力机制单元和预设卷积单元；所述预设卷积单元包括：预设下采样卷积层、预设中间卷积层、以及激活函数层；
10.一种夜间行人检测方法，其特征在于，所述方法包括：
【技术特征摘要】
1.一种电子设备，其特征在于，包括：
2.根据权利要求1所述的电子设备，其特征在于，所述控制器，具体被配置为：
3.根据权利要求1所述的电子设备，其特征在于，所述控制器，具体被配置为：
4.根据权利要求1所述的电子设备，其特征在于，所述控制器，具体被配置为：
5.根据权利要求4所述的电子设备，其特征在于，所述控制器，具体被配置为：
6.根据权利要求5所述的电子设备，其特征在于，所述控制器，具体被配置为：
...【专利技术属性】
技术研发人员：柳杰，范颜岩，周晓明，
申请(专利权)人：海信电子科技武汉有限公司，
类型：发明
国别省市：
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。