• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    夜間復(fù)雜場景下紅外圖像行人檢測算法研究

    2021-07-06 07:25:48陳樹越王巧月
    紅外技術(shù) 2021年6期
    關(guān)鍵詞:行人分類器紅外

    趙 雙,陳樹越,王巧月

    夜間復(fù)雜場景下紅外圖像行人檢測算法研究

    趙 雙,陳樹越,王巧月

    (常州大學(xué) 信息科學(xué)與工程學(xué)院,江蘇 常州 213164)

    針對夜間紅外圖像中行人與背景灰度差異小且存在遮擋等問題,提出了一種夜間復(fù)雜場景下的紅外行人檢測算法。首先利用行人語義融合方法生成對目標(biāo)全覆蓋的顯著圖,與原圖融合得到感興趣區(qū)域,然后構(gòu)造基于改進(jìn)的方向梯度直方圖特征的兩分支分類器,同時提出一種遮擋判別算法,根據(jù)分類器模糊分?jǐn)?shù)判斷是否遮擋,設(shè)計一種頭部模板實現(xiàn)最終的行人檢測。在LSI遠(yuǎn)紅外行人數(shù)據(jù)集和自主采集的冬、夏季節(jié)夜間行人數(shù)據(jù)上進(jìn)行實驗,結(jié)果表明:在不同環(huán)境下,所提出的方法均可快速魯棒地檢測出行人,可較顯著地降低漏檢率,檢測率可達(dá)到94.20%。

    紅外圖像;行人檢測;顯著性;復(fù)雜情況;方向梯度直方圖特征

    0 引言

    行人檢測是計算機視覺領(lǐng)域極具挑戰(zhàn)性的問題,廣泛應(yīng)用在公共安全、智能監(jiān)控、自動駕駛等領(lǐng)域中[1-2]。與傳統(tǒng)的基于可見光的行人檢測任務(wù)相比,遠(yuǎn)紅外圖像不受光照的影響,可以檢測物體的熱分布,從而在夜間對物體進(jìn)行空間顯示。熱成像受溫度值影響大,環(huán)境溫度升高會帶來灰度值反轉(zhuǎn)問題,當(dāng)行人與環(huán)境相接時,輪廓邊緣無法保持完整,導(dǎo)致感興趣區(qū)域提取失敗進(jìn)而無法檢出行人、路燈、車輛向陽面等灰度值高的目標(biāo)易產(chǎn)生誤檢[3]。與此同時,還要應(yīng)對行人個體和姿態(tài)、視角及尺度的差異問題,復(fù)雜的背景使行人極易出現(xiàn)遮擋情況導(dǎo)致誤判,現(xiàn)階段的研究多關(guān)注完整體態(tài)的行人檢測,而忽略了遮擋的情況。

    傳統(tǒng)的行人檢測常采用分割及連通域分析,模板匹配等方法,Dalal[4]在2005年提出梯度方向直方圖特征(histogram of gradient,HOG),率先使用梯度描述行人,利用滑動窗口遍歷圖像,得到了很高的檢測率,但計算資源消耗大。隨后描述紋理的局部二值模式(local binary patterns, LBP)特征、描述線狀、形狀、邊緣的Haar-like特征,Shapelet特征和Edgelet特征等接連被提出并應(yīng)用到行人檢測中。很多學(xué)者對HOG特征做出了改進(jìn),比如將金字塔思想應(yīng)用于尺度縮放的PHOG特征[5],結(jié)合邊緣信息的HEOG特征[6],或者以HOG特征為基礎(chǔ)進(jìn)行特征融合,如HOG-LBP[7],HOGI特征[8]等。

    常見的感興趣區(qū)域(region of interest, ROI)提取方法是通過閾值分割,這種方法受圖像對比度影響大,效果較差,基于視覺顯著性進(jìn)行ROI提取可以最大程度模擬司機的人眼注視,將有限的計算資源分配給容易引起觀察者注意的區(qū)域,達(dá)到輔助駕駛的目的。顯著性檢測分為兩類:自下而上基于數(shù)據(jù)驅(qū)動的顯著性區(qū)域凸顯,和自上而下任務(wù)驅(qū)動的目標(biāo)凸顯。

    Koch[9]引入了顯著圖(saliency map)的概念來表示復(fù)雜場景的突出位置,他使用“贏者全取”(winner-take-all)的神經(jīng)網(wǎng)絡(luò)來選擇圖像中最顯著的位置,在此基礎(chǔ)上,許多由視覺注意機制啟發(fā)的顯著性模型被提出,如應(yīng)用廣泛的FT模型[10],SR模型[11]等。

    與相關(guān)研究相比,本文更關(guān)注在黑暗復(fù)雜環(huán)境下探測行人,考慮了遮擋、尺度不一等情況,利用行人先驗語義進(jìn)行ROI提取,構(gòu)造改進(jìn)的HOG二分支分類器進(jìn)行行人檢測,同時利用遮擋判別算法,設(shè)計頭部檢測算子對被遮擋行人進(jìn)行二次識別,實驗證明本文方法檢測效果良好,克服了行人的多變性,背景的復(fù)雜性。

    1 紅外行人候選區(qū)域提取

    1.1 系統(tǒng)檢測框架

    文中提出的檢測方法由3個模塊組成,包括ROI提取、基于HOG特征的二分支分類和遮擋特征重識別,整體流程圖如圖1所示。

    1.2 光譜殘差(SR, spectrum residual)模型

    ROI是圖像中最吸引視覺的顯著關(guān)鍵信息,提取ROI代替原始圖像,可以減少大量無用的背景和噪聲點的影響。本文在光譜殘差模型的基礎(chǔ)上融入紅外行人的高層語義特征,得到更準(zhǔn)確的感興趣區(qū)域。Hou等人[11]認(rèn)為不同的圖像數(shù)據(jù)在對數(shù)尺度上有相似的分布趨勢,因此在不同的log譜中只需要關(guān)注差異性部分就可以得到顯著性區(qū)域。首先對輸入圖像()進(jìn)行二維離散傅里葉變換,將其從空間域轉(zhuǎn)化到頻率域,光譜殘差()定義為:

    式中:A(f)為實部;hn(f)為局部平均濾波器。

    利用式(2)對譜殘差()和相位()進(jìn)行二維離散傅里葉逆變換得到全局特征顯著圖(),所得的顯著性圖與人眼感知具有一致性。

    1.3 行人高層語義特征融合

    在利用SR分析得到顯著性圖的基礎(chǔ)上,本文提出了針對性的紅外行人的高層語義特征作為先驗知識融合,相當(dāng)于在進(jìn)行顯著性檢測時增加了對圖像的認(rèn)知功能,提高分析準(zhǔn)確度。行人的高層語義特征是指在待檢測的圖片中,一個區(qū)域或者一個像素點被行人目標(biāo)包含的可能性的大小,求解這個可能性作為依托來求圖像的目標(biāo)性,可以獲得圖像中所有行人目標(biāo)的大概分布情況,對圖像的顯著性檢測有語義上的指導(dǎo)。

    首先對輸入的圖像進(jìn)行塊分割,本文選擇Alexe[12]的方法對原始圖像進(jìn)行分割,然后對每個分割得到的窗口進(jìn)行評分,量化每個窗口包含行人目標(biāo)的可能性。在紅外圖像中,行人的亮度普遍高于周邊環(huán)境,頭部區(qū)域亮度最高,低頻信號強,邊緣紋理比內(nèi)部紋理明顯,所以本文以亮度對比度和邊緣信息作為先驗語義,融入顯著性檢測中。

    1)行人亮度對比度(brightness contrast, BC)。亮度特征是紅外圖像最重要的特征之一,如果一個包圍框完整包含行人部分,則得到較高的分?jǐn)?shù),如果窗口只包含部分目標(biāo)時分?jǐn)?shù)降低。如圖2(a)所示,實線框代表目標(biāo)窗口,在計算的亮度對比度時,先將沿4個方向延伸一定尺度得到一個矩形外環(huán),如圖2中虛線框所示,用外環(huán)框減去目標(biāo)框,得到所對應(yīng)的背景區(qū)域,此時有:

    計算窗口和背景的亮度直方圖的卡方距離來定義窗口的亮度對比度:

    式中:BC(,)表示亮度對比度特征值;2(·)表示卡方距離;(·)表示窗口的亮度直方圖。

    2)邊緣線密度(edge density, ED)。相比可見光圖像,紅外圖像(如圖2(b)所示)考慮的是物體的溫度信息,對雜亂的背景抑制效果良好,當(dāng)溫度差距較大時,行人邊緣線明顯,當(dāng)溫差小時,效果不顯著。行人邊緣線密度指的是窗口邊界附近的邊緣密度,通常情況下目標(biāo)邊界邊緣的數(shù)量隨著目標(biāo)邊界周長增大而增大,如圖2(c)所示。首先將得到的目標(biāo)窗口沿4個方向向內(nèi)收縮個尺度,得到:

    式中:(,)是的矩形內(nèi)環(huán)。則ED計算公式如下:

    實驗發(fā)現(xiàn)Canny算子的邊緣線檢測效果最佳,IED()?{0,1}是利用Canny算子進(jìn)行邊線檢測后得到的二值化圖像,Len(·)表示矩形內(nèi)環(huán)的周長。

    對圖像的每一個窗口都從這兩個角度進(jìn)行打分,按式(7)計算圖像中每個像素點的目標(biāo)性:

    在實驗過程中,窗口劃分總個數(shù)W的選值決定了“行人”區(qū)域的標(biāo)定時間和準(zhǔn)確性,如果W值太小,得到的目標(biāo)性區(qū)域結(jié)果存在較大偏差,如果W值太大,則顯著性檢測的計算時間過長。

    2 快速行人特征提取與分類

    2.1 基于改進(jìn)的HOG特征的二分支構(gòu)造

    HOG特征可以很好地表征圖像梯度的方向分布,具體計算步驟如下:

    1)輸入大小為64×128的檢測窗口,每64個像素作為一個細(xì)胞單元,每4個細(xì)胞單元作為一個區(qū)塊,步長設(shè)置為8個像素,水平方向得到7個掃描窗口,垂直方向得到15個掃描窗口,如圖3(a)所示。定義每個細(xì)胞的組距為2p/9,統(tǒng)計落在9個不同方向區(qū)間內(nèi)的梯度大小,如圖3(b)所示。利用式(8)、(9)計算每個像素的梯度幅值(,)和方向(,):

    式中:(,)是圖像在點(,)處的像素值,Dalal[4]驗證了利用最簡單的一階梯度算子[1, 0, -1]進(jìn)行水平和垂直方向的梯度計算效果最佳。

    圖2 目標(biāo)性計算示意圖

    圖3 HOG特征計算過程

    2)利用SVM分類器構(gòu)建超平面進(jìn)行分類,對于給定的{x,y},=1,…,,y?{1,-1},分類器通過尋找最優(yōu)的超平面T+=0實現(xiàn)行人的分類識別。

    傳統(tǒng)的HOG特征提取所需的計算量非常大,分辨率為64×128的檢測窗口需要計算105個塊的梯度直方圖特征,得到3780維特征向量,同時多尺度縮放會導(dǎo)致相鄰檢測窗口間存在大量的重復(fù)計算區(qū)域,針對此種情況,本文提出了一種改進(jìn)的HOG特征并構(gòu)造了基于ROI高度的二分支分類結(jié)構(gòu)(TBHOG, two-branches HOG),具體步驟如下:

    ①將得到的感興趣區(qū)域擴充至掃描步長的整數(shù)倍,用鄰域像素的灰度平均值作為擴充像素的灰度值;

    ②根據(jù)ROI的高度進(jìn)行分類,定義為最小外接矩形垂直方向上的像素數(shù),統(tǒng)計所有得到的ROI區(qū)域,平均高度為69.1pixel,所以本文選擇69像素作為分水嶺,高度小于69像素作為近景目標(biāo),高度大于69像素作為遠(yuǎn)景目標(biāo),分別訓(xùn)練SVM分類器,具體參數(shù)如表1所示。

    ③將得到的感興趣區(qū)域分別縮放至不同的窗口大小,輸入離線訓(xùn)練的SVM分類器進(jìn)行判別。

    表1 兩分支的SVM分類器訓(xùn)練參數(shù)

    2.2 遮擋處理

    上述行人檢測方法的出發(fā)點是將行人作為一個完整的整體設(shè)計,在LSI遠(yuǎn)紅外(FIR)數(shù)據(jù)集的實驗發(fā)現(xiàn),對比傳統(tǒng)的HOG方法,該方法的準(zhǔn)確率有所提升,但是對本文自行拍攝的數(shù)據(jù)集來說,效果不夠理想,因為拍攝的視頻包含更多的遮擋情況,例如行人被樹木等背景遮擋或行人互相遮擋。

    研究發(fā)現(xiàn),如果行人發(fā)生遮擋,塊的HOG特征通過SVM分類器得到負(fù)的內(nèi)積,每個窗口的線性SVM得分是HOG特征與向量的內(nèi)積,向量是學(xué)習(xí)到的所有支持向量的加權(quán)和[13]。本文選擇利用整體分類器對得到的特征向量進(jìn)行評價,如果整體分類器得到的置信度屬于一個模糊范圍,則判斷是否發(fā)生遮擋情況[14],如果確定發(fā)生遮擋,則利用設(shè)計的頭部模板進(jìn)行行人頭部的檢測,對是否包含行人進(jìn)行確認(rèn)。具體步驟如下:

    1)將待測窗口按圖4分塊,C是每個塊得到的特征值,維數(shù)為36,HOG特征計算過程中得到55個塊,定義窗口特征描述子=(1,2,…,55)T,通過訓(xùn)練好的Linear SVM分類器,根據(jù)式(10)計算返回值():

    ()=+T·(10)

    圖4 檢測窗口分塊

    理論上()值越高,說明窗口中有行人的可能性越高,反之亦然,如果分類器的響應(yīng)接近于0,就認(rèn)為分類是模糊的。本文定義模糊區(qū)間為(-1.5, 0.5),認(rèn)為可能存在遮擋。

    2)對于每個C,?{1,2,…,55},定義一個局部分類器()=C,其中是支持向量展開后所對應(yīng)的向量,均為36維,為每個塊的檢測誤差。

    3)通過對局部響應(yīng)()進(jìn)行閾值化得到離散的標(biāo)簽tt=1表示是C行人的一部分,t=-1表示C是被遮擋或是背景的一部分,得到一個二值映射(1,2,…,55)。

    5)無論行人是否遮擋或出現(xiàn)不同的朝向、姿勢,行人的頭部輪廓變化基本可以保持不變,頭肩部呈現(xiàn)出類似于“W”的形狀[15],如圖5所示,我們設(shè)計了16×16的頭部模板進(jìn)行分類識別,使用離線SVM分類器訓(xùn)練。

    圖5 頭部檢測模型

    3 系統(tǒng)設(shè)計與結(jié)果評估

    3.1 數(shù)據(jù)集選擇

    實驗運行環(huán)境為Intel(R) Core(TM) i3-4170 CPU,平臺為MATLAB R2018b和Python OpenCV庫,實驗使用3個數(shù)據(jù)集:LSI遠(yuǎn)紅外行人數(shù)據(jù)集(https://e-archivo.uc3m.es/handle/10016/17370)和利用FLIR E40熱像儀采集的冬季(Test-W)、夏季(Test-S)道路/行人(Test-L)視頻,基本信息如表2所示。

    表2 測試數(shù)據(jù)的基本信息

    LSI數(shù)據(jù)集來自在室外城市場景中駕駛的車輛,包含用于訓(xùn)練的53598張紅外圖像和用于測試的27994張圖像。自主數(shù)據(jù)采集速率為31幀/s,分辨率為320×240像素。數(shù)據(jù)采集的時間均為晚上22:00左右,涵蓋了溫度變化、遮擋、尺度變化等一系列夜間行人檢測常見的問題,示例如圖6。每隔3幀標(biāo)注一次,保證了實驗的真實有效性。

    3.2 評價標(biāo)準(zhǔn)

    紅外圖像中行人的檢測本質(zhì)上是一個二分類問題,檢測率(accuracy,ACC)是最常見的指標(biāo),即:

    其中參數(shù)混淆矩陣如表3所示。

    定義正確的檢測需符合條件:

    即預(yù)測的邊界框BBROI和真實邊界框BBGT之間的重疊率a0必須超過60%,否則就認(rèn)為是錯誤的檢測結(jié)果(虛警)。

    表3 參數(shù)混淆矩陣

    其中,TP(true positive)表示指檢測器正確預(yù)測的行人窗口,F(xiàn)P(false positive)指將非行人預(yù)測為行人窗口的數(shù)目,TN(true negative)指檢測器正確分類的非行人窗口,F(xiàn)N(false negative)指行人窗口發(fā)生漏檢的數(shù)目。

    考慮行人檢測問題的實時性,本文將每張圖片的平均檢測時間也作為評價標(biāo)準(zhǔn),即:

    式中:是檢測耗費時間;是圖片張數(shù)。

    3.3 參數(shù)選擇

    隨機選取500幅LSI遠(yuǎn)紅外數(shù)據(jù)集的測試圖片,手動標(biāo)記行人區(qū)域,統(tǒng)計不同目標(biāo)性檢測窗口數(shù)W下的行人區(qū)域數(shù),目標(biāo)性檢測示意圖如圖7所示。

    隨著W的增大,檢測結(jié)果如表4所示。

    圖7 目標(biāo)性檢測

    表4 Wm標(biāo)記結(jié)果

    從表4可以看出,隨著W的增大,顯著性檢測框與真實標(biāo)注框的重合度也在上升,W=150時標(biāo)記率可以達(dá)到97%,隨后增速放緩但檢測時間持續(xù)增加,所以本文選擇目標(biāo)性窗口數(shù)為150。

    3.3.1 與基本算法的檢測效果對比

    為了驗證本文算法的有效性,本文在LSI遠(yuǎn)紅外數(shù)據(jù)集上進(jìn)行了如下對比實驗,以經(jīng)典的HOG特征作為基準(zhǔn),分別測試了二分支分類結(jié)構(gòu)(TBHOG)、是否提取感興趣區(qū)域、是否采用遮擋處理算法,檢測結(jié)果如表5所示。

    檢測結(jié)果表明與HOG特征相比,本文方法準(zhǔn)確率提高了5.5%,檢測時間縮短了23.3%,可見本文方法對夜間行人識別有更好的實用性。準(zhǔn)確率的提高主要來自于ROI提取和遮擋檢測算法,而二分支分類結(jié)構(gòu)顯著降低了檢測時間。

    3.3.2 與其他算法的檢測效果對比

    在所有數(shù)據(jù)集上將本文的檢測方法與當(dāng)前主流的紅外行人檢測方法對比:HOG+SVM方法,LBP+SVM方法及融合方法,聚合通道(aggregate channel features,ACF)方法[16],基于深度學(xué)習(xí)的RetinaNet算法[17],該算法由Python的image AI庫集成,是一個開源的目標(biāo)檢測項目。對比示意如圖8所示,檢測結(jié)果如表6所示。

    表5 與基本算法檢測結(jié)果對比

    傳統(tǒng)的特征提取采用滑動窗口法并利用尺度縮放策略進(jìn)行檢測,計算量大且準(zhǔn)確率取決于特征設(shè)計的合理性[18],由表6可以得到以下結(jié)論:

    1)采用本文提出的算法,平均檢測率比使用單一HOG特征提高了11.1%,比使用融合特征如HOG-LBP和ACF均有所提高,說明了方法的有效性與針對性。

    2)本文所提算法平均檢測速度相對于基于HOG的行人檢測算法提升了27.6%,說明了采用ROI提取及兩分支分類器結(jié)構(gòu)的方法,相較于傳統(tǒng)尺度縮放策略能夠極大地加快檢測速度,雖然仍不能滿足實時性的要求,但相比檢測率較高的ACF和深度方法,檢測時間大幅縮短。

    圖8 不同算法檢測效果對比

    3)本文方法在LSI遠(yuǎn)紅外數(shù)據(jù)集上檢測率比次好的算法提高了0.15個百分點,在Test-W數(shù)據(jù)集上比次好的算法提高了3.6個百分點,在Test-S數(shù)據(jù)集上提高了5.4個百分點,可能是因為實際道路背景復(fù)雜,對行人檢測不是很友好,行人的位置和姿態(tài)與開源數(shù)據(jù)庫差異大,本文提出的遮擋檢測算法在復(fù)雜情況下有效地降低了漏檢。

    表6 與其他算法檢測效果對比

    4 結(jié)論

    針對夜間行人檢測背景復(fù)雜,遮擋嚴(yán)重的情況,本文在SR模型的基礎(chǔ)上改進(jìn)了ROI提取方法,對得到的ROI構(gòu)建基于改進(jìn)的HOG特征的二分支分類器結(jié)構(gòu),并提出一種遮擋處理算法,性能評價表明,與標(biāo)準(zhǔn)方法相比,本方法在檢測精度和速度上均得到很大提升,為夜間復(fù)雜情況下的行人檢測提供了一種新的可能性。但算法仍無法滿足實時檢測的要求,且在行人較多的時候效果有限,下一步計劃采用特征性更強的描述子,并結(jié)合深度學(xué)習(xí)理論,嘗試解決行人的尺度不一、粘連等問題,進(jìn)一步提高復(fù)雜情況下行人的檢測率。

    [1] XU Z, ZHUANG J, LIU Q, et al. Nighttime FIR pedestrian detection benchmark dataset for ADAS[C]//, 2018: 323-333.

    [2] TAO Y, FU D, SHU P. Pedestrian tracking for infrared image sequence based on trajectory manifold of spatio-temporal slice[J]., 2017, 76: 11021-11035.

    [3] 劉洋. 基于LS-DYNA的汽車正面碰撞計算機模擬仿真[D]. 西安: 西華大學(xué), 2011.

    LIU Yang. Simulation on the Front Impact of Vehicle Based on LS-DYNA[D]. Xi’an: Xihua University, 2011.

    [4] Dalal N, Triggs B. Histograms of Oriented Gradients for Human Detection[C]// 2005(CVPR'05), 2005, 1(1): 886-893.

    [5] Bosch A, Zisserman A, Munoz X. Representing shape with a spatial pyramid kernel[C]//, 2007: 401-408(doi: https://doi.org/10.1145/1282280.1282340).

    [6] Sangeetha D, Deepa P. A low-cost and high-performance architecture for robust human detection using histogram of edge oriented gradients[J]., 2017, 53: 106-119.

    [7] ZHENG C H, PEI W J, YAN Q, et al. Pedestrian detection based on gradient and texture feature integration[J]., 2017, 228: 71-78.

    [8] 朱聰聰, 項志宇. 基于梯度方向和強度直方圖的紅外行人檢測[J]. 計算機工程, 2014, 40(12): 195-198, 204.

    ZHU Congcong, XIANG Zhiyu. Infrared pedestrian detection based on histograms of oriented gradients and intensity[J]., 2014, 40(12): 195-198, 204.

    [9] Itti L, Koch E. A model of saliency-based visual attention for rapid scene analysis[J].., 1998, 20(11): 1254-1259

    [10] Radhakrishna A, Sheila H, Francisco E, et al. Frequency-tuned salient region detection[C]//2009, 2009: (doi: 10.1109/CVPR.2009.5206596).

    [11] HOU X D, ZHANG L Q. Saliency detection: aspectral residual approach[C]//2007, 2007:(doi:10.1109/CVPR.2007.383267).

    [12] Alexe B, Deselaers T, Ferrari V. Measuring the objectness of image windows[J]., 2012, 34(11):2189-2202.

    [13] WANG X, HAN T X, YAN S. An HOG-LBP human detector with partial occlusion handling[C]//12, 2010:(doi: 10.1109/ICCV.2009.5459207).

    [14] Javier M N, Vazquez D, Lopez A M, et al. Occlusion handling via random subspace classifiers for human detection[J].Cybernetics, 2013,44(3): V342-354.

    [15] Broggi A, Bertozzi M, Fascioli A, et al. Shape-based pedestrian detection[C]//, 2000: (doi: 10.1109/IVS.2000.898344).

    [16] Brehar R,Vancea C, Nedevschi S. Pedestrian detection in infrared images using aggregated channel features[C]//, 2014: (doi: 10.1109/ICCP.2014.p6936964).

    [17] LIN T Y, Goyal P, Girshick R, et al. Focal loss for dense object detection[J]., 2017, 99:2999-3007.

    [18] 車凱, 向鄭濤, 陳宇峰, 等. 基于改進(jìn)Fast R-CNN的紅外圖像行人檢測研究[J]. 紅外技術(shù), 2018, 40(6): 578-584.

    CHE Kai, XIANG Zhengtao, CHEN Yufeng, et al. Research on infrared image pedestrian detection based on improved fast R-CNN[J]., 2018, 40(6): 578-584.

    Infrared Pedestrian Detection in Complex Night Scenes

    ZHAO Shuang,CHENShuyue,WANGQiaoyue

    (,,213164,)

    An infrared pedestrian detection algorithm is proposed to solve the problem of small differencesbetween pedestrians and backgroundsin gray scale images and the occurrence of occlusion in infrared images at night.First, a significant graph with the full coverage of the target is generated by the pedestrian semantic fusion method, and the region of interest is obtained by combining it with the original graph. Then,a two-branch classifier based on the improved histogram of the gradient feature is constructed. The fuzzy score of the classifier is used to determine the occurrence of occlusion and call the head template for the final detection. Experiments based on the LSI far infrared pedestrian dataset and independent datasets of pedestrians captured at night in winter and summer prove that the proposed method is robust and quick in detecting pedestrians under different environments. It can significantly reduce the rate of missed detection and realize adetection rate of94.20%.

    infrared image, pedestrian detection, saliency, complex censes, HOG feature

    TP391

    A

    1001-8891(2021)06-0575-08

    2019-07-02;

    2019-11-25.

    趙雙(1995-),女,碩士,主要研究方向:模式識別(行人檢測)。E-mail:zhsss1030@163.com。

    陳樹越(1963-),男,教授,主要研究方向:計算機視覺、圖像處理。E-mail:csyue2000@163.com。

    江蘇省研究生科研創(chuàng)新基金項目(KYCX19_1770)。

    猜你喜歡
    行人分類器紅外
    網(wǎng)紅外賣
    閃亮的中國紅外『芯』
    金橋(2021年4期)2021-05-21 08:19:20
    毒舌出沒,行人避讓
    意林(2021年5期)2021-04-18 12:21:17
    TS系列紅外傳感器在嵌入式控制系統(tǒng)中的應(yīng)用
    電子制作(2019年7期)2019-04-25 13:17:14
    路不為尋找者而設(shè)
    揚子江(2019年1期)2019-03-08 02:52:34
    BP-GA光照分類器在車道線識別中的應(yīng)用
    電子測試(2018年1期)2018-04-18 11:52:35
    我是行人
    加權(quán)空-譜與最近鄰分類器相結(jié)合的高光譜圖像分類
    基于快速遞推模糊2-劃分熵圖割的紅外圖像分割
    結(jié)合模糊(C+P)均值聚類和SP-V-支持向量機的TSK分類器
    伦精品一区二区三区| av免费在线看不卡| 22中文网久久字幕| 亚洲一区二区三区欧美精品| 免费播放大片免费观看视频在线观看| 国产精品国产三级专区第一集| 五月天丁香电影| 色婷婷久久久亚洲欧美| 丰满饥渴人妻一区二区三| 久久久精品区二区三区| 国产色爽女视频免费观看| 日本91视频免费播放| 亚洲婷婷狠狠爱综合网| 七月丁香在线播放| 国产高清不卡午夜福利| 乱人伦中国视频| av国产久精品久网站免费入址| 我的女老师完整版在线观看| 美女脱内裤让男人舔精品视频| 一级毛片aaaaaa免费看小| 久久久久精品性色| 中国国产av一级| 午夜av观看不卡| 大香蕉久久网| 久久久国产欧美日韩av| 五月天丁香电影| 国产亚洲最大av| 欧美亚洲 丝袜 人妻 在线| 久久久久久久久久成人| 如何舔出高潮| 丝袜美足系列| 精品久久蜜臀av无| a级毛片在线看网站| 国产成人午夜福利电影在线观看| 久久精品久久久久久久性| 天美传媒精品一区二区| 黑人欧美特级aaaaaa片| 日本色播在线视频| 性高湖久久久久久久久免费观看| 少妇猛男粗大的猛烈进出视频| 免费大片18禁| 久久久久精品久久久久真实原创| 人妻制服诱惑在线中文字幕| 狠狠精品人妻久久久久久综合| 亚洲高清免费不卡视频| 99热网站在线观看| 制服丝袜香蕉在线| 18禁观看日本| 日本欧美国产在线视频| 一级毛片电影观看| 亚洲天堂av无毛| 美女脱内裤让男人舔精品视频| 成年女人在线观看亚洲视频| 国产伦理片在线播放av一区| 日本免费在线观看一区| 欧美精品一区二区大全| 日韩不卡一区二区三区视频在线| 免费av中文字幕在线| 久久韩国三级中文字幕| 亚洲精品日本国产第一区| 99热这里只有是精品在线观看| 国产深夜福利视频在线观看| 久久精品熟女亚洲av麻豆精品| 人妻 亚洲 视频| 亚洲成色77777| 日韩av在线免费看完整版不卡| 草草在线视频免费看| 久久人人爽av亚洲精品天堂| 女性被躁到高潮视频| av在线app专区| av视频免费观看在线观看| 少妇熟女欧美另类| 丁香六月天网| 精品人妻熟女毛片av久久网站| 五月开心婷婷网| 日韩av在线免费看完整版不卡| 七月丁香在线播放| 国产日韩一区二区三区精品不卡 | 久久婷婷青草| 看十八女毛片水多多多| 天天躁夜夜躁狠狠久久av| 亚洲激情五月婷婷啪啪| 国产极品天堂在线| 久久久亚洲精品成人影院| 亚洲精品久久久久久婷婷小说| av在线观看视频网站免费| 亚洲av福利一区| 日韩成人av中文字幕在线观看| 美女国产高潮福利片在线看| 亚洲精品一区蜜桃| a级片在线免费高清观看视频| 久久人妻熟女aⅴ| 中文天堂在线官网| 我的女老师完整版在线观看| 99久久中文字幕三级久久日本| 久久久国产一区二区| 国产精品秋霞免费鲁丝片| 亚洲精品日韩av片在线观看| 一级毛片电影观看| 亚洲色图综合在线观看| www.av在线官网国产| 久久狼人影院| 欧美日韩亚洲高清精品| 欧美精品亚洲一区二区| 午夜久久久在线观看| 亚洲精品av麻豆狂野| 99热6这里只有精品| 天天影视国产精品| 亚洲av二区三区四区| 中文欧美无线码| 有码 亚洲区| 在线观看免费高清a一片| 国产亚洲一区二区精品| 一级毛片aaaaaa免费看小| 夜夜看夜夜爽夜夜摸| 国产欧美日韩综合在线一区二区| 国产日韩一区二区三区精品不卡 | 女的被弄到高潮叫床怎么办| 亚洲精品一二三| av视频免费观看在线观看| 午夜福利在线观看免费完整高清在| 美女主播在线视频| 国产片内射在线| 少妇人妻精品综合一区二区| 国产日韩欧美在线精品| 亚洲精品一区蜜桃| 亚洲少妇的诱惑av| 自线自在国产av| 亚洲国产成人一精品久久久| 日韩成人伦理影院| 国产精品国产三级专区第一集| 国产精品三级大全| 高清av免费在线| 大码成人一级视频| 大片电影免费在线观看免费| 亚洲欧洲精品一区二区精品久久久 | 人人妻人人添人人爽欧美一区卜| 青春草亚洲视频在线观看| 成人无遮挡网站| 中文字幕免费在线视频6| 久久久久精品性色| 亚洲欧美清纯卡通| 国产av国产精品国产| 国产男女内射视频| 色婷婷av一区二区三区视频| 美女主播在线视频| 街头女战士在线观看网站| 男的添女的下面高潮视频| 色婷婷av一区二区三区视频| 欧美日韩国产mv在线观看视频| 97精品久久久久久久久久精品| 在线亚洲精品国产二区图片欧美 | 99九九在线精品视频| 久久久久久久久久久丰满| 人体艺术视频欧美日本| 国产精品国产三级国产av玫瑰| 精品久久久精品久久久| 日日啪夜夜爽| 美女脱内裤让男人舔精品视频| 国产一区二区在线观看av| 美女cb高潮喷水在线观看| 丝袜喷水一区| 色网站视频免费| 26uuu在线亚洲综合色| 丰满迷人的少妇在线观看| 在线观看www视频免费| 午夜视频国产福利| 久久热精品热| 国产精品一区二区在线不卡| 人妻人人澡人人爽人人| 乱码一卡2卡4卡精品| 亚洲精品美女久久av网站| 国产精品成人在线| 91国产中文字幕| 爱豆传媒免费全集在线观看| 9色porny在线观看| 狂野欧美激情性bbbbbb| 久久久欧美国产精品| 成人毛片a级毛片在线播放| 午夜久久久在线观看| 欧美 亚洲 国产 日韩一| 久久久久久久久久久丰满| 国产成人精品在线电影| 色吧在线观看| 日本欧美国产在线视频| 久久久久久久亚洲中文字幕| 精品一品国产午夜福利视频| 国产成人精品久久久久久| 女人精品久久久久毛片| 2021少妇久久久久久久久久久| 亚洲美女搞黄在线观看| 国产成人freesex在线| 如日韩欧美国产精品一区二区三区 | 精品久久久久久久久av| 黄色视频在线播放观看不卡| 亚洲av成人精品一区久久| 九九在线视频观看精品| 黑人高潮一二区| 男男h啪啪无遮挡| 一个人免费看片子| 久久久久久久久久人人人人人人| 国产黄频视频在线观看| 欧美少妇被猛烈插入视频| 大片免费播放器 马上看| av在线app专区| 午夜福利在线观看免费完整高清在| 免费久久久久久久精品成人欧美视频 | 欧美精品一区二区大全| 激情五月婷婷亚洲| 最近的中文字幕免费完整| 亚洲无线观看免费| 最新中文字幕久久久久| 免费观看性生交大片5| 亚洲人成网站在线播| 免费日韩欧美在线观看| 精品人妻在线不人妻| 日本av免费视频播放| 亚洲精品久久午夜乱码| 亚洲国产欧美日韩在线播放| 黄色一级大片看看| 亚洲综合色惰| 最近2019中文字幕mv第一页| 在线精品无人区一区二区三| 又大又黄又爽视频免费| 精品少妇内射三级| videos熟女内射| 日韩av不卡免费在线播放| 高清不卡的av网站| 天天影视国产精品| 亚洲av欧美aⅴ国产| 国产精品女同一区二区软件| 久久精品国产鲁丝片午夜精品| 两个人的视频大全免费| 亚洲欧洲精品一区二区精品久久久 | 国产精品久久久久成人av| 成人综合一区亚洲| 最新的欧美精品一区二区| 亚洲色图综合在线观看| 国产爽快片一区二区三区| 国产av码专区亚洲av| 色哟哟·www| 九草在线视频观看| 欧美激情极品国产一区二区三区 | av黄色大香蕉| 日韩成人伦理影院| 夜夜看夜夜爽夜夜摸| 欧美成人精品欧美一级黄| 日韩视频在线欧美| 少妇人妻精品综合一区二区| 久久亚洲国产成人精品v| 日本午夜av视频| 亚洲婷婷狠狠爱综合网| 又黄又爽又刺激的免费视频.| 成人毛片a级毛片在线播放| 丰满迷人的少妇在线观看| 午夜精品国产一区二区电影| 九九在线视频观看精品| 国产精品三级大全| 国产69精品久久久久777片| 五月开心婷婷网| 国产欧美另类精品又又久久亚洲欧美| 简卡轻食公司| 亚洲久久久国产精品| 日韩不卡一区二区三区视频在线| 日本欧美国产在线视频| 国产不卡av网站在线观看| 91aial.com中文字幕在线观看| 卡戴珊不雅视频在线播放| 男女无遮挡免费网站观看| 亚洲美女黄色视频免费看| 91精品伊人久久大香线蕉| 久久久久久久亚洲中文字幕| 2022亚洲国产成人精品| 91久久精品国产一区二区成人| 欧美精品高潮呻吟av久久| 夜夜看夜夜爽夜夜摸| 国产精品一国产av| 99久久综合免费| 成人二区视频| 五月开心婷婷网| 亚洲天堂av无毛| 中国国产av一级| 内地一区二区视频在线| 亚洲精华国产精华液的使用体验| 制服丝袜香蕉在线| 亚洲综合色惰| 狂野欧美白嫩少妇大欣赏| 亚洲无线观看免费| 亚洲国产av影院在线观看| 老司机亚洲免费影院| 色5月婷婷丁香| 26uuu在线亚洲综合色| 99九九在线精品视频| 精品一区二区三卡| 免费高清在线观看日韩| 精品久久久久久久久亚洲| 亚洲,一卡二卡三卡| 亚洲av成人精品一区久久| 久久99精品国语久久久| 毛片一级片免费看久久久久| av在线老鸭窝| 亚洲精品日韩在线中文字幕| 黄色毛片三级朝国网站| 亚洲av成人精品一区久久| 日本与韩国留学比较| 丰满少妇做爰视频| 久久毛片免费看一区二区三区| 成人国产麻豆网| 亚洲国产色片| 黄色配什么色好看| 免费久久久久久久精品成人欧美视频 | 免费大片黄手机在线观看| 国产精品人妻久久久影院| 三级国产精品片| 国产av码专区亚洲av| 亚洲av电影在线观看一区二区三区| 精品亚洲乱码少妇综合久久| 这个男人来自地球电影免费观看 | 免费人成在线观看视频色| 国产一区二区三区av在线| 中文字幕精品免费在线观看视频 | 精品国产露脸久久av麻豆| 久久久精品94久久精品| 高清欧美精品videossex| 国产成人精品一,二区| 国产精品 国内视频| 久久青草综合色| 一级毛片aaaaaa免费看小| 极品人妻少妇av视频| 99热这里只有是精品在线观看| 成年人免费黄色播放视频| 日韩中文字幕视频在线看片| 99久国产av精品国产电影| 亚洲国产精品999| 亚洲一级一片aⅴ在线观看| 亚洲欧美中文字幕日韩二区| 成年女人在线观看亚洲视频| 国产精品偷伦视频观看了| 一级毛片我不卡| 男人添女人高潮全过程视频| 成人黄色视频免费在线看| 五月天丁香电影| 伦理电影大哥的女人| 亚洲国产av影院在线观看| 亚洲高清免费不卡视频| 免费人成在线观看视频色| 国产欧美日韩综合在线一区二区| 亚洲国产精品成人久久小说| 夫妻性生交免费视频一级片| 男女边吃奶边做爰视频| 亚洲美女搞黄在线观看| 欧美精品人与动牲交sv欧美| 国产av国产精品国产| 国产淫语在线视频| 日本色播在线视频| 大香蕉97超碰在线| av黄色大香蕉| 欧美日韩成人在线一区二区| 精品国产国语对白av| 另类亚洲欧美激情| 少妇人妻 视频| 我要看黄色一级片免费的| 在线播放无遮挡| 九九久久精品国产亚洲av麻豆| 97精品久久久久久久久久精品| .国产精品久久| av一本久久久久| 国产色婷婷99| 夫妻午夜视频| 久久亚洲国产成人精品v| 久久久久人妻精品一区果冻| 尾随美女入室| 人人妻人人添人人爽欧美一区卜| 日韩,欧美,国产一区二区三区| 日韩成人av中文字幕在线观看| 欧美人与善性xxx| 黑人欧美特级aaaaaa片| 亚洲国产日韩一区二区| 丝袜美足系列| av.在线天堂| 大香蕉97超碰在线| 91久久精品电影网| 国产日韩欧美视频二区| 国产免费福利视频在线观看| 在线 av 中文字幕| 亚洲精品乱码久久久久久按摩| 五月天丁香电影| 交换朋友夫妻互换小说| 少妇熟女欧美另类| 欧美日韩视频精品一区| 九九爱精品视频在线观看| 草草在线视频免费看| 伊人久久国产一区二区| 国产男人的电影天堂91| 午夜视频国产福利| 青春草亚洲视频在线观看| 麻豆成人av视频| 青青草视频在线视频观看| 国产成人freesex在线| 91久久精品国产一区二区成人| 亚洲成色77777| 好男人视频免费观看在线| 亚洲成人av在线免费| 最近手机中文字幕大全| 成人毛片60女人毛片免费| a级毛片黄视频| av网站免费在线观看视频| 国产黄色视频一区二区在线观看| 汤姆久久久久久久影院中文字幕| 久久精品国产亚洲网站| 日韩中字成人| 在线观看人妻少妇| 男女边吃奶边做爰视频| 久久久久久久久久成人| 久久国产亚洲av麻豆专区| 久久国产精品大桥未久av| 夜夜骑夜夜射夜夜干| 成年美女黄网站色视频大全免费 | 精品熟女少妇av免费看| 国产黄色视频一区二区在线观看| 欧美日韩在线观看h| 18禁动态无遮挡网站| 亚洲国产av新网站| 国产色婷婷99| 99九九线精品视频在线观看视频| 女人久久www免费人成看片| 成人无遮挡网站| 日本-黄色视频高清免费观看| 国产精品一区www在线观看| 亚洲精品亚洲一区二区| 国产视频内射| 国产精品一国产av| 高清在线视频一区二区三区| 中文精品一卡2卡3卡4更新| 80岁老熟妇乱子伦牲交| 最近中文字幕高清免费大全6| 色94色欧美一区二区| 高清欧美精品videossex| 伊人亚洲综合成人网| 国产视频内射| 草草在线视频免费看| 一级爰片在线观看| 久久午夜综合久久蜜桃| 九草在线视频观看| 国产精品久久久久成人av| a级毛片在线看网站| 啦啦啦啦在线视频资源| 亚洲国产av新网站| 久久婷婷青草| 日本爱情动作片www.在线观看| 人人妻人人澡人人爽人人夜夜| 亚洲精品国产av成人精品| 伊人亚洲综合成人网| 日韩av不卡免费在线播放| 美女内射精品一级片tv| 亚洲精品aⅴ在线观看| 亚洲五月色婷婷综合| 欧美人与性动交α欧美精品济南到 | 久久久久视频综合| 久久久精品免费免费高清| 国产精品女同一区二区软件| 亚洲中文av在线| 中文字幕精品免费在线观看视频 | 久久久久人妻精品一区果冻| 伦理电影大哥的女人| 99久久精品国产国产毛片| 久久热精品热| 纯流量卡能插随身wifi吗| 我的女老师完整版在线观看| 午夜免费男女啪啪视频观看| 少妇猛男粗大的猛烈进出视频| 天堂中文最新版在线下载| 一级黄片播放器| 精品国产乱码久久久久久小说| av在线老鸭窝| 欧美性感艳星| 精品国产一区二区三区久久久樱花| 丝袜脚勾引网站| 国产午夜精品久久久久久一区二区三区| 亚洲精品乱码久久久v下载方式| 自拍欧美九色日韩亚洲蝌蚪91| 日日摸夜夜添夜夜添av毛片| 久久午夜福利片| av网站免费在线观看视频| 婷婷成人精品国产| 草草在线视频免费看| 日韩电影二区| 天美传媒精品一区二区| 你懂的网址亚洲精品在线观看| 亚洲欧美日韩另类电影网站| 视频区图区小说| 一级爰片在线观看| 欧美日韩视频高清一区二区三区二| 国产成人精品在线电影| 国产精品99久久99久久久不卡 | 国产一区有黄有色的免费视频| av一本久久久久| 少妇高潮的动态图| 久久久久精品性色| 美女主播在线视频| 黄色欧美视频在线观看| 黄色怎么调成土黄色| 高清午夜精品一区二区三区| a级毛色黄片| 亚洲国产av影院在线观看| 午夜免费观看性视频| 人人妻人人添人人爽欧美一区卜| 免费观看av网站的网址| 超碰97精品在线观看| 又大又黄又爽视频免费| 国产在线一区二区三区精| 我的女老师完整版在线观看| 免费黄频网站在线观看国产| 精品人妻一区二区三区麻豆| 国产国语露脸激情在线看| 亚洲美女搞黄在线观看| 亚洲怡红院男人天堂| 日日啪夜夜爽| 十分钟在线观看高清视频www| 亚洲精品久久午夜乱码| 男男h啪啪无遮挡| 亚洲欧美色中文字幕在线| 国产一区二区在线观看av| 老女人水多毛片| 国产精品人妻久久久影院| 亚洲美女搞黄在线观看| 亚洲精品日韩av片在线观看| 特大巨黑吊av在线直播| av有码第一页| 久久 成人 亚洲| 亚洲人成网站在线观看播放| 最近最新中文字幕免费大全7| 亚洲图色成人| 精品久久久久久久久亚洲| 国产乱来视频区| 三级国产精品欧美在线观看| 午夜福利影视在线免费观看| 99国产精品免费福利视频| 亚洲欧洲精品一区二区精品久久久 | 国产亚洲最大av| 欧美一级a爱片免费观看看| 各种免费的搞黄视频| 亚洲av在线观看美女高潮| 亚洲国产av影院在线观看| 乱人伦中国视频| 久久久久视频综合| 中文字幕亚洲精品专区| 国产成人91sexporn| 99久久人妻综合| 亚洲欧洲国产日韩| 国产日韩欧美亚洲二区| 亚洲av男天堂| 一个人免费看片子| www.色视频.com| 欧美一级a爱片免费观看看| 少妇的逼好多水| 亚洲第一av免费看| 中文精品一卡2卡3卡4更新| 亚洲三级黄色毛片| 一级a做视频免费观看| 国产不卡av网站在线观看| 天美传媒精品一区二区| 久久久久国产网址| 精品少妇内射三级| 精品熟女少妇av免费看| 99久国产av精品国产电影| 边亲边吃奶的免费视频| 在线观看美女被高潮喷水网站| 国产精品一区二区三区四区免费观看| 一区二区三区免费毛片| 亚洲成人一二三区av| 美女主播在线视频| 精品人妻一区二区三区麻豆| 2018国产大陆天天弄谢| 久久亚洲国产成人精品v| 男男h啪啪无遮挡| 制服丝袜香蕉在线| 久久人人爽人人片av| 欧美人与性动交α欧美精品济南到 | 有码 亚洲区| 在线观看免费视频网站a站| 久久影院123| 大香蕉久久网| 久久国产亚洲av麻豆专区| 免费av不卡在线播放| 国产亚洲精品久久久com| 日韩av在线免费看完整版不卡| 妹子高潮喷水视频| 极品人妻少妇av视频| 男女无遮挡免费网站观看| 人人澡人人妻人| 99国产综合亚洲精品| 久久国内精品自在自线图片| 亚洲av中文av极速乱| 精品99又大又爽又粗少妇毛片| 99热网站在线观看| 国产色爽女视频免费观看| 狂野欧美激情性xxxx在线观看| 十八禁网站网址无遮挡| 午夜老司机福利剧场| 亚洲精品日韩在线中文字幕| 蜜桃久久精品国产亚洲av| av播播在线观看一区| 18禁动态无遮挡网站| xxx大片免费视频| 欧美变态另类bdsm刘玥| 亚洲av电影在线观看一区二区三区| 日韩,欧美,国产一区二区三区| 大片免费播放器 马上看| 中文字幕人妻丝袜制服| 黄色视频在线播放观看不卡| 国产精品偷伦视频观看了| 免费黄网站久久成人精品| 777米奇影视久久| 99re6热这里在线精品视频|