CN103065133A - 雾天行人检测方法及装置 - Google Patents

Abstract

本发明提供了一种雾天行人检测方法及装置。在上述方法中，对输入的原始图像执行去雾处理，获取去雾后图像；对所述原始图像和所述去雾后图像分别执行行人检测，获取含有行人的窗口；将所述含有行人的窗口进行综合得到最后检测结果。解决了相关技术中由于户外行人检测系统不能对雾天图像进行很好的处理，导致雾天行人检测精度不高的技术问题，从而可以有效提高雾天行人检测精度。

Description

雾天行人检测方法及装置

技术领域

本发明涉及计算机图像处理技术领域，特别涉及一种雾天行人检测方法及装置。

背景技术

行人检测在智能视频监控、车辆辅助驾驶、图像和视频检索以及多媒体分析中有着重要的应用价值和广阔的应用前景。

然而在雾天情况下，由于场景的能见度降低，图像中行人的对比度和边缘等特征被衰减，影响了后面的特征提取，甚至会导致行人检测算法的失效。因此需要在视频图像中消除雾霾对场景图像的影响。

相关技术中，由于户外行人检测系统不能对雾天图像进行很好的处理，导致雾天行人检测精度不高。

发明内容

本发明提出了一种雾天行人检测方法及装置，以至少解决相关技术中，由于户外行人检测系统不能对雾天图像进行很好的处理，导致雾天行人检测精度不高的问题。

为了达到上述目的，本发明的技术方案是这样实现的：

根据本发明的一个方面，提供了一种雾天行人检测方法。

根据本发明的雾天行人检测方法包括：对输入的原始图像执行去雾处理，获取去雾后图像；对所述原始图像和所述去雾后图像分别执行行人检测，获取含有行人的窗口；以及将所述含有行人的窗口进行综合得到最后检测结果。

根据本发明的另一方面，提供了一种雾天行人检测装置。

根据本发明的雾天行人检测装置包括：去雾模块，用于对输入的原始图像执行去雾处理，获取去雾后图像；获取模块，用于对所述原始图像和所述去雾后图像分别执行行人检测，获取含有行人的窗口；综合模块，用于将所述含有行人的窗口进行综合得到最后检测结果。

通过本发明，对输入的原始图像进行去雾之后，对原始图像（即有雾图像）和去雾后图像分别进行行人检测，将两者的结果综合得到最终检测结果。解决了相关技术中由于户外行人检测系统不能对雾天图像进行很好的处理，导致雾天行人检测精度不高的技术问题，从而可以有效提高雾天行人检测精度。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为根据本发明实施例的雾天行人检测方法的流程图；

图2为大气散射模型示意图；

图3为根据本发明实施例的去雾处理的流程图；

图4为根据本发明实施例的行人检测处理的流程图；

图5为根据本发明优选实施例的雾天行人检测方法的流程图；

图6为根据本发明实施例的雾天行人检测装置的结构框图；以及

图7为根据本发明优选实施例的雾天行人检测装置的结构框图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

图1为根据本发明实施例的雾天行人检测方法的流程图。如图1所示，雾天行人检测方法包括以下步骤：

步骤S101：对输入的原始图像执行去雾处理，获取去雾后图像；

步骤S103：对上述原始图像和上述去雾后图像分别执行行人检测，获取含有行人的窗口；

步骤S105：将上述含有行人的窗口进行综合得到最后检测结果。

相关技术中，由于户外行人检测系统不能对雾天图像进行很好的处理，导致雾天行人检测精度不高。而在图1所示的方法中，对输入的原始图像进行去雾之后，对原始图像（即有雾图像）和去雾后图像分别进行行人检测，将两者的结果综合得到最终检测结果，从而可以有效提高雾天行人检测精度。

在优选实施过程中，可以基于如下方式对上述原始图像执行去雾处理：暗通道。以下结合图2对图像（此处以彩色图像为例）的去雾处理进行描述。

由图2可知，简化的雾天成像模型为：I(x,y)=J(x,y)t(x,y)+A(1-t(x,y))；其中，I(x,y)为彩色图像表达式，J(x,y)为去雾后图像的表达式，A(1-t(x,y))为大气光表达式，t(x,y)为透射率。去雾的目标就是从I中复原J,A,t。

以下结合图3对采用暗通道对原始图像执行去雾处理的过程进行描述。

图3为根据本发明实施例的去雾处理的流程图。如图3所示，该去雾处理主要包括以下步骤：

步骤S301：对I(x，y)进行最小滤波得到暗原色图像。

对输入彩色监控图像I(x,y)的RGB（红绿蓝）三个颜色通道进行最小值滤波，模版尺寸为N×N(N∈{3,5,7..}),接着，在三个颜色通道中使用最小操作运算，则I(x,y)的暗原色I^drak(x,y)通过下式得到：

$I^{\mathrm{drak}}(x,y)=\underset{c\∈\{r,g,b\}}{\min }\left(\underset{(x^{\′},y^{\′})\∈\mathrm{\Ω}(x,y)}{\min }\left(I^c(x^{\′},y^{\′})\right)\right)$

步骤S303：根据得到的暗原色计算天空亮度(即大气光)A和估算透射率。

选取暗原色中亮度最大的0.1%的像素，在以上像素当中，输入图像I中强度最大的像素点被选定为大气光A；

根据求出的暗原色估计透射率t(x,y)，其计算公式如下:

$t(x,y)=\frac{A\left(1\right)+A\left(2\right)+A\left(3\right)}{3}-\mathrm{\ω}{I}^{\mathrm{dark}}(x,y)$

其中，ω∈(0,1)为调节参数，用来调节去雾程度。ω越大，去雾越彻底。

步骤S305：采用高斯滤波细化透射率

采用高斯滤波细化透射率得到

高斯核为：

$G(x,y)=\frac{1}{\mathrm{\θ}}\exp [-(x^2+y^2)/{\mathrm{\σ}}^2]$

其中，σ是高斯核的方差，σ越小，图像平滑效果越好，但也丢失了部分边缘信息。θ是归一化系数，可以通过下式计算获取θ：

$\mathrm{\θ}=\underset{X}{\mathrm{\Σ}}\underset{Y}{\mathrm{\Σ}}\exp [-(x^2+y^2)/{\mathrm{\σ}}^2]$

步骤S307：根据天空亮度和透射率从原图像中恢复无雾图像J。

其中，根据透射率

和天空亮度A可以确定去雾后的复原图像，公式为：

$J^c(x,y)=\frac{I^c(x,y)-A^c}{\max (\frac{\tilde{t}(x,y)}{A^c},t_0)}+A^c,c\∈\{r,g,b\};$

需要注意的是，上述描述针对RGB三通道分别进行复原，将得到的RGB三个通道图像合成复原后的图像J(x,y)。为了避免不确定型出现，式中给t(x)设定了一个下限值t₀，t₀的一个典型值为0.1。

在优选实施过程中，步骤S103中，对上述原始图像和上述去雾后图像分别执行行人检测，获取含有行人的窗口主要包括以下处理：

（1）计算上述原始图像和上述去雾后图像中全部预定大小的窗口的梯度方向直方图（HOG）；

（2）采用离线训练好的支持响应机（SVM）分类器判断上述预定大小的窗口中各个窗口的HOG特征的类别；

（3）根据判断结果获取上述含有行人的窗口。

以下结合图4对上述行人检测的优先实施方式进行描述。对于行人检测涉及的算法具体可以参见相关技术中的描述，此处不再赘述。

图4为根据本发明实施例的行人检测处理的流程图。如图4所示，该行人检测处理主要包括以下步骤：

步骤S401：HOG+SVM分类器加载。

步骤S403：加载待检测图像。

步骤S405：计算每个窗口的HOG特征。

步骤S407：判断每个窗口HOG特征的类别。

在优选实施过程中，步骤S103中，将检测后的含有行人的窗口进行综合可以包括以下处理：将上述含有行人的窗口包含在同一图像中，其中，上述含有行人的窗口中位置相同的窗口仅包含一次。在综合之后，可以将行人检测结果在该图像中标示出来。

以下结合图5对上述优选实施方式进行描述。

图5为根据本发明优选实施例的雾天行人检测方法的流程图。如图5所示，该雾天行人检测方法包括以下处理：

步骤S501：接收输入的有雾图像I(x，y)。

步骤S503：基于暗通道对有雾图像I(x，y)进行去雾处理。

步骤S505：基于HOG+SVM对去雾后的图像进行行人检测。

步骤S507：基于HOG+SVM直接对有雾图像I(x，y)进行行人检测。

步骤S509：综合检测结果并在图像中标示出来。

图6为根据本发明实施例的雾天行人检测装置的结构框图。如图6所示，该雾天行人检测装置包括：去雾模块60，用于对输入的原始图像执行去雾处理，获取去雾后图像；检测模块62，与去雾模块60相连接，用于对上述原始图像和上述去雾后图像分别执行行人检测，获取含有行人的窗口；以及综合模块64，与检测模块62相连接，用于将上述含有行人的窗口进行综合得到最后检测结果。

在图6所示的装置中，去雾模块60对输入的原始图像进行去雾之后，检测模块62对原始图像（即有雾图像）和去雾后图像分别进行行人检测，综合模块64将两者的结果综合得到最终检测结果，从而可以有效提高雾天行人检测精度。

优选地，如图7所示，去雾模块60可以包括：第一处理单元600，用于基于暗通道对输入的原始图像执行去雾处理，获取去雾后图像。

优选地，如图7所示，检测模块62可以包括：计算单元620，用于计算上述原始图像和上述去雾后图像中全部预定大小的窗口的梯度方向直方图HOG；判断单元622，与计算单元620相连接，用于采用离线训练好的向量响应机SVM分类器判断上述预定大小的窗口中各个窗口的HOG特征的类别；获取单元624，与判断单元622相连接，用于根据判断结果获取上述含有行人的窗口。

优选地，如图7所示，综合模块64可以进一步包括：第二处理单元640，用于将上述含有行人的窗口包含在同一图像中，其中，上述含有行人的窗口中位置相同的窗口仅包含一次。

需要说明的是，上述雾天行人检测装置中各模块，各单元相互结合的优选实施方式具体可以参见图1至图5中的描述，此处不再赘述。

借助本发明提供的上述实施例，针对特定的场景，即雾天监控环境下，分别对原始图像和去雾处理后的图像进行行人检测，将两者的检测结果融合形成最终的检测结果，可以有效增强图像中行人的信息，而且也能在一定程度上克服去雾处理所带来的噪声干扰，进而有效提高雾天行人检测精度。

本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于一计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。

最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (8)

1.一种雾天行人检测方法，其特征在于，包括：

对输入的原始图像执行去雾处理，获取去雾后图像；

对所述原始图像和所述去雾后图像分别执行行人检测，获取含有行人的窗口；

将所述含有行人的窗口进行综合得到最后检测结果。

2.根据权利要求1所述的方法，其特征在于，基于如下方式对所述原始图像执行去雾处理：暗通道。

3.根据权利要求1所述的方法，其特征在于，对所述原始图像和所述去雾后图像分别执行行人检测，获取含有行人的窗口包括：

计算所述原始图像和所述去雾后图像中全部预定大小的窗口的梯度方向直方图HOG；

采用离线训练好的支持向量机SVM分类器判断所述预定大小的窗口中各个窗口的HOG特征的类别；

根据判断结果获取所述含有行人的窗口。

4.根据权利要求1所述的方法，其特征在于，将检测后的所述含有行人的窗口进行综合包括：

将所述含有行人的窗口包含在同一图像中，其中，所述含有行人的窗口中位置相同的窗口仅包含一次。

5.一种雾天行人检测装置，其特征在于，包括：

去雾模块，用于对输入的原始图像执行去雾处理，获取去雾后图像；

检测模块，用于对所述原始图像和所述去雾后图像分别执行行人检测，获取含有行人的窗口；

综合模块，用于将所述含有行人的窗口进行综合得到最后检测结果。

6.根据权利要求5所述的装置，其特征在于，所述去雾模块包括：

第一处理单元，用于基于暗通道对输入的原始图像执行去雾处理，获取去雾后图像。

7.根据权利要求5所述的装置，其特征在于，所述检测模块包括：

计算单元，用于计算所述原始图像和所述去雾后图像中全部预定大小的窗口的梯度方向直方图HOG；

判断单元，用于采用离线训练好的向量响应机SVM分类器判断所述预定大小的窗口中各个窗口的HOG特征的类别；

获取单元，用于根据判断结果获取所述含有行人的窗口。

8.根据权利要求5所述的装置，其特征在于，所述综合模块包括：

第二处理单元，用于将所述含有行人的窗口包含在同一图像中，其中，所述含有行人的窗口中位置相同的窗口仅包含一次。

Images