[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

说明书

本发明公开了一种用于车载红外行人检测跟踪的图像处理方法，包括步骤一、采用中值滤波对车载红外图像进行滤波处理；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；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；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；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。本发明方法步骤简单，实现方便，能够应用在汽车辅助驾驶系统中，实现车载红外行人目标的准确检测与稳定跟踪，提高车辆主动安全性，效果显著，便于推广。

技术领域

本发明属于图像处理技术领域，具体涉及一种用于车载红外行人检测跟踪的图像处理方法。

背景技术

随着经济迅速发展，汽车快速普及，汽车辅助驾驶系统(Automotive DriverAssistance Systems，ADAS)被广泛应用，行人检测与跟踪是ADAS的研究方向之一。

随着红外技术的发展，红外行人检测应用广泛，国内外很多研究人员对此开展过不同程度的研究，目前已经取得了不少成果。红外图像的行人检测方法主要分为三种：基于感兴趣区域(Region of Interest，ROI)分割的红外行人检测方法、基于模板匹配的红外行人检测方法和基于统计分类的红外行人检测方法。基于感兴趣区域分割的红外行人检测方法，ROI的获取是对行人的粗略分类，用含有图像关键特征的ROI替代原始图像，可以减少大量无用背景和噪点的影响，减少计算量，提高算法的实时性，为实现更加高效准确的检测提供前提。但是此类方法也存在一个较大的问题，就是在提取ROI的过程中如果把行人漏检，将不能检测到漏检的行人，即该方法需要较低的漏检率来保证检测的准确率。基于模板匹配的红外行人检测方法需要设计足够多的模板来达到较好的检测效果，然而行人的姿态千变万化，模板的种类也是无法穷尽的，所以无法构造合适的红外行人目标。基于统计分类的红外行人检测方法主要是提取红外图像正负行人样本特征，训练分类器，然后通过滑动窗口遍历整幅图像，同时用训练好的分类器对每个窗口进行分类，最后得到行人检测结果。但红外图像中，图像质量模糊，在保证检测准确率的前提下，对其特征提取方法有较高要求。

目标跟踪就是用于识别连续每帧图像中的运动目标并不断使它的位置信息得到更新，近年来涌现出大量的目标跟踪算法，根据其工作原理，主要分为两大类：生成式模型和判别式模型。当前，判别式跟踪算法成为跟踪领域的主流方向，最新发展是相关滤波类跟踪算法，就车载红外行人跟踪来讲，很多都是将可见光领域的跟踪算法进行改进，但核相关滤波算法在目标尺度变化时存在无法跟踪的问题。

发明内容

本发明所要解决的技术问题在于针对上述现有技术中的不足，提供一种用于车载红外行人检测跟踪的图像处理方法，其步骤简单，实现方便，能够应用在汽车辅助驾驶系统中，实现车载红外行人目标的准确检测与稳定跟踪，提高车辆主动安全性，效果显著，便于推广。

为解决上述技术问题，本发明采用的技术方案是：一种用于车载红外行人检测跟踪的图像处理方法，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。

上述的一种用于车载红外行人检测跟踪的图像处理方法，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：