基於亮度信息的紅外行人檢測
技術廣角
作者：王路傑 徐向華
摘 要： 紅外圖像中的行人具備邊緣和亮度兩個顯著特征信息。為了能夠充分利用這兩種信息，在亮度直方圖特征基礎上，提出了一種不同區間大小的亮度直方圖特征。通過統計分析紅外圖像中行人各部件對應的亮度區間信息，確定映射規則，從而構建不同區間大小的亮度直方圖，然後通過與梯度方向直方圖特征相結合，並用於Adaboost模型訓練。該方法提高了行人檢測係統的檢測率。
關鍵詞： 紅外圖像； 行人檢測； 梯度方向直方圖； 亮度直方圖； Adaboost
中圖分類號：TP391.4 文獻標誌碼：A 文章編號：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
近些年來，基於視覺的行人檢測一直是計算機視覺的一個研究熱點[1-2]。基於紅外成像的行人檢測方法對不同環境下的行人檢測具有一定的適應性。目前，紅外行人檢測技術[3-5]主要基於機器學習的方法，其中主要涉及特征提取和分類器訓練。在特征提取階段，由於紅外圖像中的行人本身具有兩個明顯的信息：邊緣信息和亮度信息，因此大多數的特征構造是依據這兩個信息進行的，比如梯度方向直方圖（Histogram of Oriented Gradient，HOG）[6]、亮度直方圖特征（Histogram of Intensity，HOI）[7]等。為了消除特征單一帶來的誤檢，將HOG與HOI進行特征融合[7]是一種有效方法。HOI特征描述紅外圖像中的亮度信息，但是沒有利用行人亮度信息分布相對穩定的特點。本文通過統計紅外圖像中行人各部件對應的亮度區間信息，從而確定映射規則，構建不同區間大小的亮度直方圖（Different Bin Histogram of Intensity，DBHOI）特征。然後將該特征與HOG特征相結合構成一個特征描述符，進而從多個角度去刻畫行人與背景之間的區別。本文基於Adaboost學習算法[8]進行模型訓練，最後利用滑窗掃描法進行行人檢測。