專利名稱：交通場景中基于路面提取的行人檢測方法
技術領域：
本發明涉及的是一種圖像處理技術領域的行人檢測技術，具體涉及一種動態復雜交通場景中的行人檢測方法。
背景技術：
交通場景中的行人檢測是指從固定在運動車輛上的攝像機采集得到的視頻序列中將車輛前方道路上運動或者靜止的行人從復雜的交通背景中檢測出來，由于受行人外觀多樣性、行人成像尺度不同、環境背景復雜、車輛及行人運動和很高的實時性要求，使得動態交通場景中的行人檢測成為一項復雜的、具有挑戰性的研究課題。目前，在靜態圖像中，基于HOG特征描述子結合SVM分類器的行人檢測方法被認為是很有效的行人檢測方法。不過，HOG結合SVM的方法進行行人檢測需要較長的時間，會產生較多的虛警，并且不能對小目標行人進行有效的檢測，這些極大地限制了 HOG算法在動態交通場景中進行行人檢測的進一步應用和發展。經典HOG算法檢測時間較長、虛警較多的一個主要原因是使用全尺度的滑動窗口方法提取得到的待分類窗口數量龐大。以一個640X480的輸入圖像為例，經典HOG算法提取得到的待分類窗口數量高達約200，000個，在這些提取得到的待分類窗口中，包含一些行人完全不可能存在的區域，例如:天空、建筑物等，去除這些行人不可能存在的待檢測窗口，保留那些行人存在可能性較高的待檢測窗口，可以在不損害分類準確性的前提下顯著地縮短檢測時間，同時減少虛警的數量。并且通過將遠處尺寸較小的行人進行尺度放大，可以提聞對小目標行人的檢測精度。經對現有技術文獻資料的檢索發現，在國內外專利文獻中尚未檢索到基于道路平面提取的行人檢測方法報道。在Science Citation Index Expanded(SCIE)文獻檢索數據庫中，也尚未檢索到與本發明提出的交通場景中基于路面提取檢測行人方法相似的文獻。
發明內容
本發明的目的在于針對現有技術中的不足，提出一種交通場景中基于道路提取的行人檢測方法，在縮短檢測時間、減少虛警數量的同時，較好地解決了 HOG不能對小目標行人進行有效檢測的問題。根據本發明的一個方面，提供一種交通場景中基于路面提取的行人檢測方法，包括如下步驟:步驟1:計算光照不變角度，在光照不變灰度圖中提取路面；步驟2:基于路面提取感興趣區域，并對感興趣區域進行尺度縮放；步驟3:使用HOG特征描述子結合SVM分類器在縮放后的區域中檢測行人。優選地，所述的光照不變角度，具體為:光照不變圖中路面灰度值標準差與對數空間中投影直線的傾角相關，是指，通過改變直線傾角，統計路面灰度值標準差變化規律得到相機的光照不變角。
優選地，所述的在光照不變灰度圖中提取路面，具體為:通過統計得到路面灰度值分布范圍，在道路底部選擇種子點，使用漫水填充算法結合形態學處理得到完整路面。
優選地，所述的對感興趣區域進行尺度縮放，具體為:對于距離車輛較近、高度大于需要高度的窗口進行尺度縮小；對于距離車輛較遠、高度小于需要高度的窗口進行尺度放大。
優選地,所述步驟I包括如下步驟:
步驟1.1:通過人工標定的方法將輸入圖像中的路面提取出來，以log(R/G)和log(B/G)為坐標軸構造對數空間，并將提取出的路面的RGB圖像上每個像素點投影到對數空間中得到投影點，其中，R、G、B分別代表像素點顏色的紅色、綠色、藍色分量；
步驟1.2:將所有投影點在對數空間中傾角為α直線上做投影，以每個點歸一化后的投影長度作為灰度值得到道路灰度圖，選擇道路灰度圖中灰度分布居于中間90%的像素點進行道路灰度標準差計算；
步驟1.3:ae{0°，1°，…180° }，重復步驟1.2，與道路灰度標準差對應的a即為相機的光照不變角度。
優選地，所述步驟I還包括如下步驟:
步驟1.4:在道路底部選取區域統計路面灰度直方圖，結合閾值λ，確定路面灰度值分布范圍；
步驟1.5:在每個方塊中選取一個種子點，使用漫水填充算法結合圖像形態學處理，得到完整的道路平面。
優選地,所述步驟2包括如下步驟:
步驟2.1:在道路平面上由近及遠一次擺放若干個矩形窗口，窗口寬度與路面寬度相等，窗口高度由距離車輛不同距離的行人高度決定；
步驟2.2:按照高度對矩形窗口的尺寸進行歸一化，對于距離車輛較近、高度大于需要高度的窗口進行尺度縮小；對于距離車輛較遠、高度小于需要高度的窗口進行尺度放大。
與經典HOG算法相比較，本發明有以下有益效果:通過將待檢測范圍固定在道路附近，大幅減少待檢測窗口數量；并且通過對感興趣窗口進行尺度縮放，進一步較少搜索窗口數量、提高小目標行人檢測精度。本發明在縮短檢測時間、減少虛警數量的同時提高了對小目標行人的檢測精度。
通過閱讀參照以下附圖對非限制性實施例所作的詳細描述，本發明的其它特征、目的和優點將會變得更明顯:
圖1是陰影存在情況下的路面檢測結果例；
圖2是基于路面提取的行人檢測結果的一個圖例；
圖3是基于路面提取的行人檢測結果的另一個圖例。
具體實施方式
下面結合具體實施 例對本發明進行詳細說明。以下實施例將有助于本領域的技術人員進一步理解本發明，但不以任何形式限制本發明。應當指出的是，對本領域的普通技術人員來說，在不脫離本發明構思的前提下，還可以做出若干變形和改進。這些都屬于本發明的保護范圍。
本實施例是通過以下技術方案實現的，在本實施例中，所述交通場景中基于路面提取的行人檢測方法包括如下步驟:
第一步:離線計算相機內參一光照不變角度。
I)通過人工標定的方法將輸入圖像中的路面提取出來，以log(R/G)和log(B/G)為坐標軸構造對數空間，并將提取出的路面(RGB圖像)上每個像素點投影到對數空間中得到投影點，其中，R、G、B分別代表像素點顏色的紅色、綠色、藍色分量。
2)將所有投影點在對數空間中傾角為α直線上做投影，以每個點歸一化后的投影長度作為灰度值得到道路灰度圖，選擇道路灰度圖中灰度分布居于中間90%的像素點進行道路灰度標準差計算。
3) a e {0°，1°，…180° }，重復步驟(2)，與道路灰度標準差對應的α即為相機的光照不變角度。
第二步:在光照不變空間中檢測路面。
1)在道路底部選取區域統計路面灰度直方圖，結合閾值λ，確定路面灰度值分布范圍。
2)在每個方塊中選取一個種子點，使用漫水填充算法結合圖像形態學處理，得到完整的道路平面。
第三步:基于路面提取感興趣窗口，并對其進行尺度縮放。
I)在道路平面上由近及遠一次擺放若干個矩形窗口，窗口寬度與路面寬度相等，窗口高度由距離車輛不同距離的行人高度決定。
2)按照高度對矩形窗口的尺寸進行歸一化。對于距離車輛較近、高度大于需要高度的窗口進行尺度縮小；對于距離車輛較遠、高度小于需要高度的窗口進行尺度放大。
第四步:使用經典HOG特征描述子結合SVM分類器方法在經過尺度縮放的感興趣窗口中檢測行人。
本實施例與經典HOG算法(窗口大小分別為64X128和32X64)在檢測率、檢測時間以及虛警率三個方面進行了比較。表I是實驗的統計結果，可以明顯看出，本實施例與64X128的HOG算法相比，在整體檢測率提高一倍的情況下，虛警率和檢測時間都縮短了一半；與32 X 64的HOG算法相比，在檢測率基本相同的情況下，虛警率和檢測時間都有大幅的提升。
表1:結合道路檢測算法與經典HOG算法實驗結果比較
權利要求
1.一種交通場景中基于路面提取的行人檢測方法，其特征在于，包括如下步驟: 步驟1:計算光照不變角度，在光照不變灰度圖中提取路面； 步驟2:基于路面提取感興趣區域，并對感興趣區域進行尺度縮放； 步驟3:使用HOG特征描述子結合SVM分類器在縮放后的區域中檢測行人。
2.根據權利要求1所述的交通場景中基于路面提取的行人檢測方法，其特征在于，所述的光照不變角度，具體為:光照不變圖中路面灰度值標準差與對數空間中投影直線的傾角相關，是指，通過改變直線傾角，統計路面灰度值標準差變化規律得到相機的光照不變角。
3.根據權利要求1所述的交通場景中基于路面提取的行人檢測方法，其特征在于，所述的在光照不變灰度圖中提取路面，具體為:通過統計得到路面灰度值分布范圍，在道路底部選擇種子點，使用漫水填充算法結合形態學處理得到完整路面。
4.根據權利要求1所述的交通場景中基于路面提取的行人檢測方法，其特征在于，所述的對感興趣區域進行尺度縮放，具體為:對于距離車輛較近、高度大于需要高度的窗口進行尺度縮小；對于距離車輛較遠、高度小于需要高度的窗口進行尺度放大。
5.根據權利要求1所述的交通場景中基于路面提取的行人檢測方法，其特征在于，所述步驟I包括如下步驟: 步驟1.1:通過人工標定的方法將輸入圖像中的路面提取出來，以log(R/G)和log(B/G)為坐標軸構造對數空間，并將提取出的路面的RGB圖像上每個像素點投影到對數空間中得到投影點，其中，R、G、B分別代表像素點顏色的紅色、綠色、藍色分量； 步驟1.2:將所有投影點在對數空間中傾角為α直線上做投影，以每個點歸一化后的投影長度作為灰度值得到道路灰度圖，選擇道路灰度圖中灰度分布居于中間90%的像素點進行道路灰度標準差計算； 步驟1.3:a e {0°，1°，…180° }，重復步驟1.2，與道路灰度標準差對應的α即為相機的光照不變角度。
6.根據權利要求5所述的交通場景中基于路面提取的行人檢測方法，其特征在于，所述步驟I還包括如下步驟: 步驟1.4:在道 路底部選取區域統計路面灰度直方圖，結合閾值λ，確定路面灰度值分布范圍； 步驟1.5:在每個方塊中選取一個種子點，使用漫水填充算法結合圖像形態學處理，得到完整的道路平面。
7.根據權利要求1所述的交通場景中基于路面提取的行人檢測方法，其特征在于，所述步驟2包括如下步驟: 步驟2.1:在道路平面上由近及遠一次擺放若干個矩形窗口，窗口寬度與路面寬度相等，窗口高度由距離車輛不同距離的行人高度決定； 步驟2.2:按照高度對矩形窗口的尺寸進行歸一化，對于距離車輛較近、高度大于需要高度的窗口進行尺度縮小；對于距離車輛較遠、高度小于需要高度的窗口進行尺度放大。
全文摘要
本發明提供一種模式識別技術領域的交通場景中基于路面提取的行人檢測方法，包括以下步驟第一步，離線計算相機內參——光照不變角度；第二步在光照不變空間中檢測路面；第三步基于路面提取感興趣窗口，并對感興趣窗口進行尺度縮放；第四步使用經典HOG描述字結合SVM分類器方法在經過尺度縮放的感興趣窗口中檢測行人。通過將待檢測范圍固定在道路附近，大幅減少待檢測窗口數量；并且通過對感興趣窗口進行尺度縮放，進一步減少搜索窗口數量、提高小目標行人檢測精度。本發明的在縮短檢測時間、減少虛警數量的同時，較好地解決了HOG不能對小目標行人進行有效檢測的問題。
文檔編號G06K9/00GK103218604SQ20131011688
公開日2013年7月24日 申請日期2013年4月3日 優先權日2013年4月3日
發明者衡浩, 熊惠霖 申請人:上海交通大學