多特征级联的低能见度环境红外行人检测方法

刘峰; 王思博; 王向军; 赵广伟; 霍文甲

doi:10.3788/IRLA201847.0604001

多特征级联的低能见度环境红外行人检测方法

doi: 10.3788/IRLA201847.0604001

刘峰^1,2,
王思博^1,2, ,,
王向军^1,2,
赵广伟^1,2,
霍文甲^1,2

1.
天津大学精密测试技术及仪器国家重点实验室,天津 300072;
2.
天津大学微光机电系统技术教育部重点实验室,天津 300072

基金项目:

国家自然科学基金（51575388）

详细信息

作者简介:
刘峰(1978-),男,博士,主要从事图像分析与计算机视觉、光电传感与探测方面的研究。Email:tjuliufeng@tju.edu.cn

通讯作者: 王思博(1992-),男,硕士,主要从事计算机视觉检测与识别方面的研究。Email:wangsibo@tju.edu.cn

中图分类号: TP391.4

Infrared pedestrian detection method in low visibility environment based on multi feature association

Liu Feng^1,2,
Wang Sibo^{1,2
, ,},
Wang Xiangjun^1,2,
Zhao GuangWei^1,2,
Huo Wenjia^1,2

1.
State Key Laboratory of Precision Measuring Technology and Instruments,Tianjin University,Tianjin 300072,China;
2.
MOEMS Education Ministry Key Laboratory,Tianjin University,Tianjin 300072,China

摘要: 针对低能见度环境中人员的监测和保护问题，提出了一种基于多特征级联的红外行人检测方法，利用感兴趣区域长宽比特征和头部Haar特征组成初级分类器，改进的HOG-SVM完成最终行人识别。所提出的改进的HOG特征提取算法和自适应缩放因子获取算法，在保证检测率的基础上，有效地减少了帧间处理时间，针对目标被遮挡情况，提出了遮挡情况判断和局部特征识别功能，由此进一步提高了算法应用于复杂工况下的鲁棒性。实验表明：该检测方法能够达到91%的检测率，较现有算法性能得到提升，同时也满足了系统实时监测要求，适用于低能见度、粉尘的工况作业环境。
- 行人检测 /
- ROIs /
- 方向梯度直方图 /
- 头部特征 /
- 遮挡判断
Abstract: Aiming at the problem of personnel monitoring and protection in low visibility environment, an infrared pedestrian detection method based on multi feature association was proposed, the primary classifier was constructed by using the aspect ratio of interest region and the Haar feature of head, and the improved HOG-SVM was used to complete the final pedestrian recognition. An improved HOG feature extraction algorithm and an adaptive scaling factor acquisition algorithm were proposed, and the interframe time was effectively reduced on the basis of guaranteeing the detection accuracy. In view of the occlusion of the target, the occlusion detection and local feature recognition were proposed, which further improved the robustness of the detection system under complicated circumstances. The experimental results show the detection method can achieve the detection rate of 91%, which is better than the existing algorithms, and also meets the real-time monitoring requirements of the system. It is suitable for low visibility and dust working environment.
- pedestrian detection /
- ROIs /
- HOG /
- head features /
- occlusion judgment

[1]	Cui Hao, Li Biao, Shen Zhenkang. Combining shape and texture features for infrared pedestrian detection[C]//Proceedings of the International Conference on multispectral image processing and pattern recognition, 2011:1-7.
[2]	Sun H, Wang C, Wang B, et al. Pyramid binary pattern features for real-time pedestrian detection from infrared videos[J]. Neurocomputing, 2011, 74(5):797-804.
[3]	Liu Qiong, Wang Guohua, Shen Minmin. Pedestrian detection with vehicle-mounted far-infrared monocular sensor based on edge segmentation[J]. Huanan Ligong Daxue Xuebao/Journal of South China University of Technology(Nature Science Edition), 2015, 43(1):87-91, 98. (in Chinese)刘琼, 王国华, 申旻旻. 基于边缘分割的车载单目远红外行人检测方法[J]. 华南理工大学学报(自然科学版), 2015, 43(1):87-91, 98.
[4]	Zheng J, Zhang W, Li B. Pedestrian detection based on background modeling and head-shoulder recognition[C]//International Conference on Wavelet Analysis and Pattern Recognition, 2012:227-232.
[5]	Dalal N, Triggs B. Histograms of oriented gradients for human detection[C]//Computer Vision and Pattern Recognition, 2005, IEEE Computer Society Conference on. IEEE, 2005, 1(12):886-893.
[6]	Zhou Hongzhi, Liu Qi. A far infrared detection recognition description method based on improved gradient histogram[J]. Journal of Sichuan University(Natural Science Edition), 2016, 53(5):1018-1026. (in Chinese)周红志, 刘祺. 一种改进的梯度直方图远红外行人检测方法[J]. 四川大学学报(自然科学版), 2016, 53(5):1018-1026.
[7]	Kim D S, Kim M, Kim B S, et al. Histograms of local intensity differences for pedestrian classification in far-infrared images[J]. Electronics Letters, 2013, 49(4):258-260.
[8]	Olmeda D, Escalera A D L, Armingol J M. Far infrared pedestrian detection and tracking for night driving[J]. Robotica, 2011, 29(4):495-505.
[9]	Xie Zhihua, Liu Guodong. Infrared face recognition based on co-occurrence histogram of multi-scale local binary patterns[J]. Infrared Laser Engineering, 2015, 44(1):391-397. (in Chinese)谢志华, 刘国栋. 基于多尺度局部二元模式共生直方图的红外人脸识别[J]. 红外与激光工程, 2015, 44(1):391-397.
[10]	Xia Qing, Hu Zhenqi, Wei Beilei, et al. New edge detection method for images of infrared thermal imager[J]. Infrared Laser Engineering, 2014, 43(1):318-322. (in Chinese)夏清, 胡振琪, 位蓓蕾, 等. 一种新的红外热像仪图像边缘检测方法[J]. 红外与激光工程, 2014, 43(1):318-322.

[1]	孙敬波, 季节. 视频监控下利用记忆力增强自编码的行人异常行为检测 . 红外与激光工程, 2022, 51(6): 20210680-1-20210680-7. doi: 10.3788/IRLA20210680
[2]	孙旭旦, 吴清, 赵春艳, 张满囤. 语义增强引导特征重建的遮挡行人检测 . 红外与激光工程, 2022, 51(9): 20210924-1-20210924-10. doi: 10.3788/IRLA20210924
[3]	倪洪印, 李凤萍. T-CENTRIST特征的红外图像人体检测 . 红外与激光工程, 2020, 49(S2): 20200423-20200423. doi: 10.3788/IRLA20200423
[4]	朱鑫浩, 侯德鑫, 叶树亮. 圆柱面任意方向裂纹的双线阵激光热像检测 . 红外与激光工程, 2020, 49(9): 20200097-1-20200097-9. doi: 10.3788/IRLA20200097
[5]	范明明, 田少卿, 刘凯, 赵嘉鑫, 李云松. 基于梯度方向一致性和特征分解的红外小目标检测算法 . 红外与激光工程, 2020, 49(1): 0126001-0126001(12). doi: 10.3788/IRLA202049.0126001
[6]	魏豪, 张凯, 郑磊, 曹源, 张丁文. 基于HOG-RCNN的电力巡检红外图像目标检测 . 红外与激光工程, 2020, 49(S2): 20200411-20200411. doi: 10.3788/IRLA20200411
[7]	陆福星, 陈忻, 陈桂林, 饶鹏. 背景自适应的多特征融合的弱小目标检测 . 红外与激光工程, 2019, 48(3): 326002-0326002(7). doi: 10.3788/IRLA201948.0326002
[8]	南天章, 耿建君, 陈旭, 陈颖. 基于邻域特征的红外低慢小目标检测 . 红外与激光工程, 2019, 48(S1): 174-180. doi: 10.3788/IRLA201948.S128002
[9]	董超, 冯俊健, 田联房, 郑兵. 梯度纹理直方图与多层感知器船舶快速检测 . 红外与激光工程, 2019, 48(10): 1026004-1026004(10). doi: 10.3788/IRLA201948.1026004
[10]	耿磊, 梁晓昱, 肖志涛, 李月龙. 基于多形态红外特征与深度学习的实时驾驶员疲劳检测 . 红外与激光工程, 2018, 47(2): 203009-0203009(9). doi: 10.3788/IRLA201847.0203009
[11]	张瞳, 林春, 陈洪雷, 周松敏. 基于多方向小波提升IRFPA盲元检测精度方法 . 红外与激光工程, 2018, 47(2): 204001-0204001(6). doi: 10.3788/IRLA201847.0204001
[12]	罗海波, 何淼, 惠斌, 常铮. 基于双模全卷积网络的行人检测算法(特邀) . 红外与激光工程, 2018, 47(2): 203001-0203001(8). doi: 10.3788/IRLA201847.0203001
[13]	马天义, 张会香, 宋敏敏, 钮赛赛. 引入显著特征空间的抗遮挡红外目标跟踪 . 红外与激光工程, 2017, 46(3): 304002-0304002(7). doi: 10.3788/IRLA201746.0304002
[14]	张仲瑜, 焦淑红. 多特征融合的红外舰船目标检测方法 . 红外与激光工程, 2015, 44(S1): 29-34.
[15]	王欢欢, 杨清平, 王向军. 物体特征的快速检测与识别方法 . 红外与激光工程, 2014, 43(3): 1002-1008.
[16]	黄雁华, 武文远, 龚艳春, 何苏红, 杜华月, 李霞. 基于LMS、lαβ颜色空间的最佳参考方向伪装目标偏振检测 . 红外与激光工程, 2014, 43(2): 633-639.
[17]	倪维平, 严卫东, 吴俊政, 张晗, 芦颖, 郑刚. 应用图像方向和宽度谱检测机场跑道 . 红外与激光工程, 2014, 43(11): 3655-3662.
[18]	张红辉, 罗海波, 余新荣, 丁庆海. 采用特征直方图的红外焦平面阵列盲元检测方法 . 红外与激光工程, 2014, 43(6): 1807-1811.
[19]	万磊, 曾文静, 张铁栋, 秦再白. 基于梯度信息融合的海面红外目标实时检测 . 红外与激光工程, 2013, 42(1): 41-45.
[20]	杨亚威, 李俊山, 杨威, 赵方舟. 利用稀疏化生物视觉特征的多类多视角目标检测方法 . 红外与激光工程, 2012, 41(1): 267-272.

点击查看大图

计量

文章访问数: 510
HTML全文浏览量: 105
PDF下载量: 61
被引次数: 0

姓名
邮箱
手机号码
标题
留言内容
验证码

留言板

多特征级联的低能见度环境红外行人检测方法

doi: 10.3788/IRLA201847.0604001

作者简介:
刘峰(1978-),男,博士,主要从事图像分析与计算机视觉、光电传感与探测方面的研究。Email:tjuliufeng@tju.edu.cn

通讯作者: 王思博(1992-),男,硕士,主要从事计算机视觉检测与识别方面的研究。Email:wangsibo@tju.edu.cn

Infrared pedestrian detection method in low visibility environment based on multi feature association

计量

多特征级联的低能见度环境红外行人检测方法

doi: 10.3788/IRLA201847.0604001

1. 天津大学精密测试技术及仪器国家重点实验室,天津 300072;

2. 天津大学微光机电系统技术教育部重点实验室,天津 300072

作者简介:
刘峰(1978-),男,博士,主要从事图像分析与计算机视觉、光电传感与探测方面的研究。Email:tjuliufeng@tju.edu.cn

通讯作者: 王思博(1992-),男,硕士,主要从事计算机视觉检测与识别方面的研究。Email:wangsibo@tju.edu.cn

English Abstract

Infrared pedestrian detection method in low visibility environment based on multi feature association

1. State Key Laboratory of Precision Measuring Technology and Instruments,Tianjin University,Tianjin 300072,China;

2. MOEMS Education Ministry Key Laboratory,Tianjin University,Tianjin 300072,China

全文HTML

目录

留言板

多特征级联的低能见度环境红外行人检测方法

doi: 10.3788/IRLA201847.0604001

作者简介: 刘峰(1978-),男,博士,主要从事图像分析与计算机视觉、光电传感与探测方面的研究。Email:tjuliufeng@tju.edu.cn

通讯作者: 王思博(1992-),男,硕士,主要从事计算机视觉检测与识别方面的研究。Email:wangsibo@tju.edu.cn

Infrared pedestrian detection method in low visibility environment based on multi feature association

计量

出版历程

多特征级联的低能见度环境红外行人检测方法

doi: 10.3788/IRLA201847.0604001

1. 天津大学 精密测试技术及仪器国家重点实验室,天津 300072; 2. 天津大学 微光机电系统技术教育部重点实验室,天津 300072

作者简介: 刘峰(1978-),男,博士,主要从事图像分析与计算机视觉、光电传感与探测方面的研究。Email:tjuliufeng@tju.edu.cn

通讯作者: 王思博(1992-),男,硕士,主要从事计算机视觉检测与识别方面的研究。Email:wangsibo@tju.edu.cn

English Abstract

Infrared pedestrian detection method in low visibility environment based on multi feature association

1. State Key Laboratory of Precision Measuring Technology and Instruments,Tianjin University,Tianjin 300072,China; 2. MOEMS Education Ministry Key Laboratory,Tianjin University,Tianjin 300072,China

全文HTML

目录

作者简介:
刘峰(1978-),男,博士,主要从事图像分析与计算机视觉、光电传感与探测方面的研究。Email:tjuliufeng@tju.edu.cn

1. 天津大学精密测试技术及仪器国家重点实验室,天津 300072;

2. 天津大学微光机电系统技术教育部重点实验室,天津 300072

作者简介:
刘峰(1978-),男,博士,主要从事图像分析与计算机视觉、光电传感与探测方面的研究。Email:tjuliufeng@tju.edu.cn

1. State Key Laboratory of Precision Measuring Technology and Instruments,Tianjin University,Tianjin 300072,China;

2. MOEMS Education Ministry Key Laboratory,Tianjin University,Tianjin 300072,China