一种红外行人感兴趣区域自适应分割提取方法
【技术领域】
[0001] 本发明设及一种基于车载红外图像的行人检测中的感兴趣区域巧egionof interests,ROIs)提取方法，特别设及一种红外行人感兴趣区域自适应分割提取方法。
【背景技术】
[0002] 随着交通事业的高速发展，交通安全变得越来越重要。行人是交通的主要参与者， 不仅最容易受到伤害，而且牵设到行人的事故会造成比其他事故更大的损失。在车载辅助 驾驶系统中，利用红外图像的夜间行人检测技术对夜间车辆前方出现的行人进行远距离提 前监测预警，是避免因夜间视线不清发生行人碰撞事故发生的重要手段。而红外行人感 兴趣区域提取是车载红外行人检测技术中的关键一环，是影响检测效率和实时性的重要因 素。
[0003] 针对可见光图像的ROIs提取，由于其具有丰富的纹理信息和高分辨率，目前已经 出现很多优秀的ROIs提取算法。但是，在红外图像的ROIs提取方面，由于红外图像成像 原理所限，成像分辨率较低，纹理信息远不如可见光丰富，针对可见光图像的很多好的ROIs 提取方法不适用于红外图像分割提取。基于立体视觉的ROIs提取方法由于依赖于图像纹 理信息，在红外图像中应用时无法取得理想的分割效果；在监控场景下常用的帖差法，由于 车载摄像头的快速运动，也不适用于车载行人检测；基于光流分析的算法，由于运动估计运 算量巨大，无法满足实时性要求；基于阔值分割的方法，目前几种经典的阔值分割算法如 0TSU、化U、Kittler和Kapur,仅W某种形式的方差或者滴作为分割准则，由于未考虑图像 的特征，一般需要假设应用场景中的图像满足某种假设，在应用到车载红外场景时分割效 果不甚理想。
[0004] 因此，针对车载单目红外行人检测的R0I提取，本发明提出了一种基于行人热点 假设和样本统计的红外行人自适应快速分割提取方法。首先对红外行人图像进行灰度值的 统计分析，计算基于行人热点假设的调整函数的值；然后使用该函数对类间方差最大时得 到的阔值进行修正，实现ROIs行人区域的准确分割；最后利用行人的形状尺度先验约束信 息对其它热干扰区域进行滤除。
【发明内容】
[0005] 本发明的目的是针对现有技术的不足，针对单目车载红外行人检测应用场景，提 出了一种红外行人感兴趣区域自适应分割提取方法。
[0006] 本发明解决其技术问题采用的技术方案如下：
[0007] 一种红外行人感兴趣区域自适应分割提取方法，包括如下步骤：
[000引步骤1、统计出N个红外图像直方图的第一个波谷均值T。；
[0009] W灰度级为直方图横坐标，每个灰度级出现的次数作为直方图的纵坐标，统计出 每个红外图像的灰度直方图，找到灰度直方图的第一个波谷的灰度值Trou曲1，并对所有第 一个波谷的灰度值取平均记为T。；
[0010]
[0011] 步骤2、计算自适应分割阔值0 ;
[001引2-1通过第一个波谷均值T。计算出加权函数二a化一r0);
[001引其中Ti为灰度值高于T。的统计平均值，具体的：
a为微 调因子，0. 9 <a< 1. 1 ;
[0014] 2-2扫描所有灰度级，求出满足类间方差最大化时的分割阔值0。；
[0015] 2-3计算出自适应分割阔值0 = 0D+F,td;
[0016] 步骤3、使用适应分割阔值0对待分割图像进行二值化处理；
[0017] 3-1扫描所有像素点，如果像素点的灰度级大于0，则灰度级置为1，此时该像素 点为前景目标疑似区域的像素点；如果像素点的灰度级小于等于e，则灰度级置为0,此时 该像素点为背景像素点，将此时的处理结果记为
[001引步骤4、对1?5。,。1。。,。"。。进行水平投影积分和垂直投影积分分析，滤除面积较小的热 点干扰；
[0019] 4-1W非零像素点的累加值作为直方图纵坐标值，像素坐标为直方图横坐标求水 平投影积分和垂直投影积分的直方图，具体计算如下：
[0020]
[0021] 其中，（i)为水平投影积分直方图纵坐标值，H(j)为垂直投影积分直方图纵坐标 值，Rp(i，j)是坐标为（i，j)的像素点的灰度值；
[0022] 42W水平投影积分和垂直投影积分的直方图的纵坐标值进行过滤，去除面积非常 小的零碎热点干扰，得到的结果记为Rpw.wti。。，具体过滤如下：
[0023] 如果坐标为（i，j)的像素点的水平投影直方图纵坐标值H(i) < 0，或者垂直投 影积分直方图纵坐标值H(j) < 0，则该像素点为热点干扰；其中0与提取目标的大小有 关，一般取值范围是2-8;
[0024] 步骤5、根据满足的行人先验性知识进一步滤除面积较大的热干扰，将得到的结果 记为RkuIs;;
[002引对Rpw。。。。。中的高亮区域分别进行长宽比和面积大小的检查，滤除热点干扰包括 车辆尾部、空调外机箱；如果某个区域的长宽比大于h或者小于W，则认为该区域为热干扰 区域，有效滤除车辆尾部、空调外机箱的热点干扰，直接将该区域移除疑似区域，将最后得 到的结果记为Rcui。；
[0026] 所述的h和W与提取目标的形状相关，目标为行人时一般h取2,W取1 ;
[0027] 步骤6、对IVae的每个区域进行扩展和融合；
[002引每个区域向上下左右四个方向分别扩展e个像素，然后检查任意两个区域之间的 距离如果距离小于等于m个像素，则直接合并，否则不作处理；最后将扩展和融合得到的区 域记为咕1。。1，作为最终的行人疑似区域输出；（
[0029] 所述的m与应用场景有关，一般取1-3 ;
[0030] 所述的e与要求检测到的最小目标的像素高有关，一般取值为2-8。
[0031] 本发明首先对红外行人图像样本库进行灰度值统计分析，求解一个基于行人热点 假设的加权函数；然后使用该函数对最大化类间方差计算出的阔值进行修正，解决其无法 分割出行人小目标的问题，实现对中远距离行人的准确分割；接着对分割结果进行垂直和 水平投影积分得到积分直方图，使用行人的长宽比、面积等先验性约束信息进行筛选过滤， 将零散热光源、汽车尾部、空调外机箱等热干扰源滤除；最后得到更为准确的行人ROIs区 域，大幅度减小滑窗捜索区域和捜索窗口数，提高行人目标检测的时间性能。
[0032] 本发明有益效果如下；
[0033] 本发明不需要额外设备即可准确快速的提取到行人感兴趣区域，大幅度减少华创 捜索区域和捜索窗口数，提高行人目标检测的时间性能；另外本发明针对车载红外应用场 景，使用了基于红外行人图像样本的统计特性和行人形状尺度的先验性信息，对车载场景 下的热干扰具有更好的自适应性。
【附图说明】
[0034] 图1为本发明提取感兴趣区域过程的整体流程图。
【具体实施方式】
[0035]下面结合附图，WDPM值eformablePartsModel)+LatentSVM(XatentSu;rppo;rt VectorMachine)的行人检测算法，城市道路红外车载场景为例，对本发明的具体实施方案 作进一步详细描述。其具体步骤流程如图1所示：
[0036] 选择N张（N与所选样本的代表性有关，一般需要200张W上）车载城市道路场景 中的红外样本图片。要求该些样本包含各种热干扰W及不同距离行人，具体为；该些红外图 片不仅包含10-60米等不同距离的行人，还包括各种热干扰，如空调外机箱、热光源、汽车 尾部W及白天吸收阳光温度后温度升高的物体等。
[0037] 步骤1 ;统计出N个红外图像直方图的第一个波谷均值T。。
[003引 W灰度级为直方图横坐标，每个灰度级出现的次数作为直方图的纵坐标，统计出 每个红外图像的灰度直方图（满足双峰或多峰特性），找到灰度直方图的第一个波谷的灰 度值Trou曲1，并对所有第一个波谷的灰度值取平均记为T。。
[0039]
[0040] 步骤2 ;计算自适应分割阔值0。
[0041] 2-1通过第一个波谷均值T。计算出加权函数Fwtd二《(7'1-r〇)，
[004引其中Ti为灰度值高于T。的统计平均值，具体的：
i，a为微 调因子，0. 9 <a< 1. 1;
[0043] 2