基于亮度信息的红外行人检测.docVIP

基于亮度信息的红外行人检测 　　摘 要： 红外图像中的行人具备边缘和亮度两个显著特征信息。为了能够充分利用这两种信息，在亮度直方图特征基础上，提出了一种不同区间大小的亮度直方图特征。通过统计分析红外图像中行人各部件对应的亮度区间信息，确定映射规则，从而构建不同区间大小的亮度直方图，然后通过与梯度方向直方图特征相结合，并用于Adaboost模型训练。该方法提高了行人检测系统的检测率。 　　关键词： 红外图像; 行人检测; 梯度方向直方图; 亮度直方图; Adaboost 　　中图分类号：TP391.4 文献标志码：A 文章编号：1006-8228（2015）07-01-03 　　Pedestrian detection based on infrared intensity information 　　Wang Lujie， Xu Xianghua 　　（Hangzhou Dianzi University， Zhejiang Provincial Key Lab of Data Storage and Transmission Technology， Hangzhou， Zhejiang 310037， China） 　　Abstract： The pedestrian in the infrared images has two significant features that are edge and intensity. In order to take full advantage of the two information， based on the HOI（Histogram of Intensity） feature， the DBHOI（Different Bin Histogram of Intensity） feature is proposed. Through the statistics and analysis of the intensity information of pedestrian in the infrared image， the DBHOI descriptor determines the mapping rules， and then constructs an intensity histogram with different size of bins. Combined with the HOG（Histogram of Oriented Gradient） descriptor， the DBHOI descriptor is used to train Adaboost model. This method improves the detection rate of the pedestrian detection system. 　　Key words： infrared images; pedestrian detection; histogram of oriented gradient; histogram of intensity; Adaboost 　　0 引言 　　近些年来，基于视觉的行人检测一直是计算机视觉的一个研究热点[1-2]。基于红外成像的行人检测方法对不同环境下的行人检测具有一定的适应性。目前，红外行人检测技术[3-5]主要基于机器学习的方法，其中主要涉及特征提取和分类器训练。在特征提取阶段，由于红外图像中的行人本身具有两个明显的信息：边缘信息和亮度信息，因此大多数的特征构造是依据这两个信息进行的，比如梯度方向直方图（Histogram of Oriented Gradient，HOG）[6]、亮度直方图特征（Histogram of Intensity，HOI）[7]等。为了消除特征单一带来的误检，将HOG与HOI进行特征融合[7]是一种有效方法。HOI特征描述红外图像中的亮度信息，但是没有利用行人亮度信息分布相对稳定的特点。本文通过统计红外图像中行人各部件对应的亮度区间信息，从而确定映射规则，构建不同区间大小的亮度直方图（Different Bin Histogram of Intensity，DBHOI）特征。然后将该特征与HOG特征相结合构成一个特征描述符，进而从多个角度去刻画行人与背景之间的区别。本文基于Adaboost学习算法[8]进行模型训练，最后利用滑窗扫描法进行行人检测。 　　1 特征提取 　　检测对象――行人包含两个明显的信息：边缘和亮度。其中HOG特征很好地提取了图像中的边缘信息。因为人体温度的变化是在一定范围内，所以行人的亮度信息也就相对稳定。目前，HOI特征描述符[7]是一