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
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 方向梯度直方图 头部特征 遮挡判断 pedestrian detection ROIs ROIs HOG head features occlusion judgment 红外与激光工程
2018, 47(6): 0604001
