[发明专利]一种用于车载红外行人检测跟踪的图像处理方法

权利要求书

1.一种用于车载红外行人检测跟踪的图像处理方法，其特征在于，包括以下步骤：

步骤一、采用中值滤波对车载红外图像进行滤波处理；

步骤二、采用平台直方图均衡化和伽马变换对滤波后的车载红外图像进行图像增强；

步骤三、采用HOG特征和HOI特征对增强后的车载红外图像进行行人特征提取，获得车载红外图像中行人的边缘信息和亮度信息；

步骤四、采用改进的粒子群算法优化支持向量机参数进行分类，得到行人在车载红外图像中的具体位置；

步骤五、采用尺度自适应核相关滤波跟踪算法对车载红外图像中的行人进行自动跟踪。

2.按照权利要求1所述的一种用于车载红外行人检测跟踪的图像处理方法，其特征在于，步骤二中所述平台直方图均衡化和伽马变换的具体过程包括：

步骤201、采用取平均值确定阈值T

其中，f(x,y)为滤波后的车载红外图像，M、N为图像的尺寸；

步骤202、当原直方图中某些灰度级的值比阈值T大时，将该处的值设置为T；当原直方图中某些灰度级的值不比阈值T大时，该处取值保持不变，即：

其中，T为所设定的阈值，k是图像的灰度级，0≤k≤255，P_r(k)是原直方图，P_T(k)是平台直方图；

步骤203、累加计算平台直方图，得到累积函数

其中，F_T(k)为图像的累积直方图；

步骤204、通过累积直方图重新分配图像的灰度，获得均衡化的图像

其中，R_T(k)是灰度为k的像素经过平台直方图均衡化后的灰度值，0≤R_T(k)≤255，表示取整；

步骤205、根据公式y＝cx^γ对均衡化的图像进行伽马变换，其中，c、γ均为正数，x为输入图像的灰度值，y为输出图像的灰度值。

3.按照权利要求1所述的一种用于车载红外行人检测跟踪的图像处理方法，其特征在于，步骤三中所述采用HOG特征和HOI特征对增强后的车载红外图像进行行人特征提取的具体过程包括

HOG特征提取：

步骤A1、Gamma归一化；

步骤A2、梯度计算；

步骤A3、构建梯度方向直方图；

步骤A4、块内归一化；

步骤A5、收集HOG特征；

HOI特征提取：

步骤B1、把图像分割成若干块；

步骤B2、块内归一化；

步骤B3、串联各个块中的HOI特征向量。

4.按照权利要求1所述的一种用于车载红外行人检测跟踪的图像处理方法，其特征在于，步骤四中所述改进的粒子群算法优化支持向量机参数的具体过程包括：

步骤401、初始化粒子群，形成大量初始粒子且构成初始粒子种群，并为支持向量机中的惩罚因子和核参数赋初始值；

步骤402、对粒子种群中的每个粒子进行评价，获得每个粒子的适应度值；

步骤403、对每个粒子的适应度值和粒子历史最佳位置的适应度值进行比较，当当前适应度值优于粒子历史最佳位置适应度值时，进行粒子的适应度值更新；

步骤404、对每个粒子的适应度值和整个群体的历史最佳位置的适应度值进行比较，当当前适应度值优于整个群体历史最佳位置的适应度值时，进行粒子的适应度值更新；

步骤405、计算惯性权重的值；

步骤406、更新每个粒子的速度和位置；

步骤407、当满足最大迭代次数或搜索到最优解时，执行步骤408，结束迭代；否则，执行步骤402，继续求解；

步骤408、输出惩罚因子、核参数的全局最优值和分类准确率。

5.按照权利要求4所述的一种用于车载红外行人检测跟踪的图像处理方法，其特征在于，步骤402、步骤403和步骤404中所述适应度值为支持向量机中行人的分类准确率，公式为：

式中，R为分类准确率，n_totall为总共的行人样本个数，n_correct为被正确分类的行人样本。