[发明专利]一种智能汽车高识别率人形识别的方法

权利要求书

1.一种具有高识别率人形识别的智能汽车，其特征在于，包括：车身、承载在车身上的控制系统和摄像系统，控制系统包括：

获取模块，用于获取摄像系统所拍摄的图像；

识别模块，用于从拍摄图像中识别人形；

控制模块，用于根据识别结果控制智能汽车的行驶；

所述识别模块包括灰度模块、彩色模块、融合模块和判断模块；

灰度模块，用于在灰度空间对图像进行处理；

彩色模块，用于在彩色空间对图像进行处理；

融合模块，用于将灰度模块的处理结果和彩色模块的处理结果进行融合；

判断模块，用于根据预设形体信息对融合结果进行比对，从中判断人形；

所述灰度模块包括：

背景模块，用于将获取的拍摄图像作为原始图像，对原始图像进行傅里叶变换，然后在傅里叶变换后的频率域通过低通滤波器进行滤波，得到背景图像；

处理模块，用于将原始图像与背景图像进行如下处理：

式中，L(x,y)为处理后的图像，I′(x,y)为原始图像，S(x,y)为背景图像，P为原始图像灰度均值，β为拉伸参数，T为图像的灰度域。

2.根据权利要求1所述的智能汽车，其特征在于，所述彩色模块包括：

模型模块：用于在HSV空间中描述原始图像，采用倒圆锥模型进行表示，倒圆锥模型的轴线方向为亮度分量，顶部的圆心为白色，最低点为黑色，竖直轴为白色和黑色之间的过渡色，顶部的圆平面为光强度最大的点，圆锥的任一横向圆切面的径向为饱和度，圆心处饱和度为0，圆周处饱和度为1，圆切面的圆周向的角度为色调；

空间变换模块：保持H分量不变，对S分量和V分量进行小波域改进，然后将图像反变换到RGB空间。

3.根据权利要求2所述的智能汽车，其特征在于，所述对S分量和V分量进行小波域改进，具体为：

对图像S分量和V分量进行一次二维小波变换，将图像分解为4个相同大小的子带区域，进一步对子带区域进行二维小波变换，直到得到预设值的小波尺度为止，从而得到S分量和V分量在小波域中的近似系数和不同层次的细节系数，其中，采用如下方式对小波系数进行改进：

a′(x,y)＝i+θ[a(x,y)-i]+0.1θ[a(x,y)-i]²

式中，a(x,y)为小波系数，a′(x,y)为改进后的小波系数，i为该子带区域小波系数均值，θ为改进系数，θ∈[0,1)，表示对小波系数进行抑制，应用于小波分解后的近似系数，θ>1，表示对小波系数进行增强，应用于小波分解后的细节系数。

4.根据权利要求3所述的智能汽车，其特征在于，将图像反变换到RGB空间的公式如下：

式中，R、G、B分别为原始图像RGB空间中的红色分量、绿色分量、蓝色分量，R′、G′、B′分别为处理后的图像RGB空间中的红色分量、绿色分量、蓝色分量，S、V分别为原始图像HSV空间中的饱和度分量、亮度分量，S′、V′为小波改进后的饱和度分量、亮度分量，C、D为转换系数，H为原始图像RGB空间中最大颜色分量，

5.根据权利要求4所述的智能汽车，其特征在于，所述融合处理模块用于根据灰度模块和彩色模块的处理结果确定图像最终处理方式，具体为：

用M、N分别为图像的行数和列数，h(x,y)为图像第x行、第y列的灰度值，则图像的综合值F采用以下公式确定：

式中，pi为图像的灰度均值；

分别计算采用灰度模块和彩色模块处理后的图像的综合值，选取综合值大的图像作为图像最终处理方式。

6.根据权利要求5所述的智能汽车，其特征在于，判断模块还用于根据人形模块在不同时间识别的人形变换，判断人形的行为目的。