• <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
    亚洲欧美日韩高清在线视频 | 桃色一区二区三区在线观看| 一个人免费在线观看的高清视频| 免费电影在线观看免费观看| 一区二区三区高清视频在线| 日韩中文字幕欧美一区二区| 又黄又爽又免费观看的视频| 亚洲一区二区三区不卡视频| 国产激情欧美一区二区| 日韩国内少妇激情av| 亚洲avbb在线观看| 精品久久蜜臀av无| 精品无人区乱码1区二区| 麻豆成人午夜福利视频| 国产熟女午夜一区二区三区| 在线观看日韩欧美| 两性夫妻黄色片| 久久久久九九精品影院| 亚洲成av人片免费观看| 真人一进一出gif抽搐免费| 久久午夜亚洲精品久久| 麻豆成人午夜福利视频| 日本一区二区免费在线视频| 日本一区二区免费在线视频| 亚洲一卡2卡3卡4卡5卡精品中文| 两性夫妻黄色片| 久久精品91无色码中文字幕| 俺也久久电影网| 十八禁人妻一区二区| 久久性视频一级片| 后天国语完整版免费观看| 亚洲成人久久爱视频| 99热6这里只有精品| 热99re8久久精品国产| 欧美人与性动交α欧美精品济南到| tocl精华| 18禁黄网站禁片午夜丰满| 国产熟女午夜一区二区三区| 麻豆国产av国片精品| 欧美日韩福利视频一区二区| 桃色一区二区三区在线观看| 国产精品美女特级片免费视频播放器 | 亚洲av五月六月丁香网| 丁香六月欧美| 免费观看精品视频网站| 啦啦啦韩国在线观看视频| 亚洲在线自拍视频| 可以在线观看毛片的网站| 免费一级毛片在线播放高清视频| 麻豆一二三区av精品| 亚洲av片天天在线观看| 国产熟女xx| 日本熟妇午夜| 色老头精品视频在线观看| 亚洲欧美精品综合一区二区三区| 国产精品99久久99久久久不卡| 一二三四在线观看免费中文在| 国产精品亚洲一级av第二区| 久久婷婷成人综合色麻豆| 久久欧美精品欧美久久欧美| 午夜福利欧美成人| 午夜免费观看网址| 男女床上黄色一级片免费看| 国产av不卡久久| 18禁美女被吸乳视频| 久久香蕉激情| 美女扒开内裤让男人捅视频| 精品国产乱子伦一区二区三区| 欧美日本视频| 国产精品1区2区在线观看.| 日本黄色视频三级网站网址| 欧美日韩黄片免| 精品国产亚洲在线| 欧美又色又爽又黄视频| 丁香欧美五月| 欧美高清成人免费视频www| 视频区欧美日本亚洲| 天堂动漫精品| 亚洲片人在线观看| 一级毛片高清免费大全| 麻豆成人av在线观看| 亚洲一卡2卡3卡4卡5卡精品中文| 黄色女人牲交| 曰老女人黄片| 在线国产一区二区在线| 老司机福利观看| 亚洲成av人片免费观看| 俄罗斯特黄特色一大片| 国产精品一区二区三区四区久久| 久久久久亚洲av毛片大全| 夜夜躁狠狠躁天天躁| 一卡2卡三卡四卡精品乱码亚洲| 国产精品免费一区二区三区在线| 亚洲第一电影网av| 国产亚洲欧美在线一区二区| 免费在线观看影片大全网站| 日本一本二区三区精品| 热99re8久久精品国产| 国产成年人精品一区二区| 熟女电影av网| 亚洲成人精品中文字幕电影| 亚洲18禁久久av| 国产欧美日韩精品亚洲av| 在线观看美女被高潮喷水网站 | 免费一级毛片在线播放高清视频| 国产精品亚洲一级av第二区| 久久精品aⅴ一区二区三区四区| 亚洲专区字幕在线| 少妇的丰满在线观看| 国产精品日韩av在线免费观看| 久久精品国产亚洲av高清一级| 欧美精品啪啪一区二区三区| 午夜久久久久精精品| 欧美黄色淫秽网站| 又大又爽又粗| АⅤ资源中文在线天堂| 国产av在哪里看| 亚洲av片天天在线观看| 精品熟女少妇八av免费久了| 88av欧美| av免费在线观看网站| 日韩有码中文字幕| 久久久国产精品麻豆| 欧美三级亚洲精品| 一级毛片高清免费大全| 成人三级做爰电影| 国产成人一区二区三区免费视频网站| 国产成人精品无人区| 免费搜索国产男女视频| 午夜激情福利司机影院| 亚洲欧美日韩高清在线视频| 亚洲中文字幕一区二区三区有码在线看 | 最近在线观看免费完整版| 成人三级做爰电影| 在线十欧美十亚洲十日本专区| 一进一出抽搐gif免费好疼| 国产精品av视频在线免费观看| 国产av不卡久久| 十八禁网站免费在线| 久久精品国产亚洲av高清一级| 99国产精品一区二区蜜桃av| 美女午夜性视频免费| 露出奶头的视频| 欧美日本亚洲视频在线播放| 久久人人精品亚洲av| 午夜福利18| 亚洲全国av大片| 黄色 视频免费看| 国产熟女xx| 人妻丰满熟妇av一区二区三区| 中文字幕久久专区| 欧美成人免费av一区二区三区| 88av欧美| 亚洲中文字幕日韩| 成人一区二区视频在线观看| 欧美日韩一级在线毛片| 床上黄色一级片| 亚洲 欧美 日韩 在线 免费| 亚洲av中文字字幕乱码综合| 精品日产1卡2卡| 一个人观看的视频www高清免费观看 | 两性午夜刺激爽爽歪歪视频在线观看 | 久久久国产欧美日韩av| 久久人妻福利社区极品人妻图片| 国产区一区二久久| 久9热在线精品视频| 国产精品自产拍在线观看55亚洲| 国产成人系列免费观看| 久久精品国产综合久久久| 欧美极品一区二区三区四区| 亚洲五月婷婷丁香| 99在线人妻在线中文字幕| 欧美在线黄色| 人妻夜夜爽99麻豆av| 在线十欧美十亚洲十日本专区| 国产99久久九九免费精品| 97超级碰碰碰精品色视频在线观看| 啦啦啦观看免费观看视频高清| 老司机在亚洲福利影院| 在线观看一区二区三区| 搡老妇女老女人老熟妇| 久久草成人影院| 男男h啪啪无遮挡| 久久婷婷成人综合色麻豆| 国产精品一及| 精品久久久久久久末码| 欧洲精品卡2卡3卡4卡5卡区| 少妇熟女aⅴ在线视频| 亚洲真实伦在线观看| 国产精品九九99| 午夜福利视频1000在线观看| 最近最新中文字幕大全电影3| 亚洲色图av天堂| 久久欧美精品欧美久久欧美| 亚洲片人在线观看| 久久精品91无色码中文字幕| 精品久久久久久成人av| 黑人巨大精品欧美一区二区mp4| 一级a爱片免费观看的视频| 最近视频中文字幕2019在线8| 亚洲人成电影免费在线| 欧美日本视频| 国产成人系列免费观看| 色播亚洲综合网| 亚洲avbb在线观看| 99国产精品一区二区三区| 大型黄色视频在线免费观看| 日韩欧美免费精品| 亚洲成a人片在线一区二区| 一本综合久久免费| 国产在线观看jvid| 欧美成人一区二区免费高清观看 | 久久 成人 亚洲| 国内精品一区二区在线观看| 变态另类成人亚洲欧美熟女| 露出奶头的视频| 亚洲av电影在线进入| 国产一区二区在线av高清观看| 成在线人永久免费视频| 久久久久久大精品| 日日干狠狠操夜夜爽| 亚洲国产欧美一区二区综合| 三级男女做爰猛烈吃奶摸视频| 一区二区三区激情视频| 久久久久久免费高清国产稀缺| 国产精品久久久久久久电影 | 国产一级毛片七仙女欲春2| 亚洲一区高清亚洲精品| 久99久视频精品免费| 香蕉国产在线看| 高清毛片免费观看视频网站| 国产精品久久久久久人妻精品电影| 狠狠狠狠99中文字幕| 欧美成人性av电影在线观看| 村上凉子中文字幕在线| 999久久久国产精品视频| 在线观看66精品国产| 变态另类成人亚洲欧美熟女| 麻豆成人av在线观看| 99精品在免费线老司机午夜| 久久久精品大字幕| 欧美久久黑人一区二区| 免费在线观看日本一区| 国产精品野战在线观看| 亚洲一区二区三区不卡视频| 亚洲av成人一区二区三| 免费在线观看视频国产中文字幕亚洲| 在线观看免费午夜福利视频| 热99re8久久精品国产| 日韩欧美在线二视频| 亚洲国产日韩欧美精品在线观看 | av中文乱码字幕在线| 久久天堂一区二区三区四区| 人成视频在线观看免费观看| 久久久精品国产亚洲av高清涩受| 搞女人的毛片| 国产亚洲精品第一综合不卡| 一边摸一边抽搐一进一小说| 啦啦啦观看免费观看视频高清| 夜夜看夜夜爽夜夜摸| 久久人人精品亚洲av| 又爽又黄无遮挡网站| 亚洲国产欧美网| 午夜两性在线视频| 精华霜和精华液先用哪个| 国产精品九九99| 香蕉国产在线看| 欧美丝袜亚洲另类 | 亚洲第一欧美日韩一区二区三区| 啦啦啦观看免费观看视频高清| 久久久久亚洲av毛片大全| 男女视频在线观看网站免费 | 国产伦人伦偷精品视频| 亚洲国产欧美网| 亚洲国产欧洲综合997久久,| 色尼玛亚洲综合影院| 欧美日韩黄片免| 亚洲人成77777在线视频| 精品午夜福利视频在线观看一区| 国产熟女xx| 国产精品av视频在线免费观看| 成年人黄色毛片网站| 欧美乱码精品一区二区三区| 两个人免费观看高清视频| 制服诱惑二区| 欧美乱色亚洲激情| 久久中文看片网| 亚洲人与动物交配视频| 又黄又粗又硬又大视频| 人人妻人人澡欧美一区二区| 免费看十八禁软件| 欧美日本视频| 日韩欧美三级三区| 欧美人与性动交α欧美精品济南到| 韩国av一区二区三区四区| 久久久久亚洲av毛片大全| 丰满人妻一区二区三区视频av | 久久久久性生活片| 欧美精品亚洲一区二区| 母亲3免费完整高清在线观看| 欧美乱码精品一区二区三区| 亚洲精品粉嫩美女一区| 欧美一级a爱片免费观看看 | 亚洲国产日韩欧美精品在线观看 | 免费在线观看完整版高清| 欧美中文综合在线视频| 欧美av亚洲av综合av国产av| e午夜精品久久久久久久| 日本免费一区二区三区高清不卡| 一本一本综合久久| 一区二区三区激情视频| 一边摸一边抽搐一进一小说| 女同久久另类99精品国产91| 免费看十八禁软件| 在线观看免费视频日本深夜| 欧美成人一区二区免费高清观看 | 日韩欧美一区二区三区在线观看| 熟女少妇亚洲综合色aaa.| 天天躁狠狠躁夜夜躁狠狠躁| 国产单亲对白刺激| 丁香欧美五月| 精品欧美一区二区三区在线| 无遮挡黄片免费观看| 免费在线观看亚洲国产| 午夜免费成人在线视频| 无人区码免费观看不卡| 亚洲专区中文字幕在线| bbb黄色大片| 老汉色∧v一级毛片| 桃红色精品国产亚洲av| 亚洲人成网站在线播放欧美日韩| 一本久久中文字幕| 动漫黄色视频在线观看| 香蕉国产在线看| 亚洲国产高清在线一区二区三| 男女视频在线观看网站免费 | 国产av又大| 夜夜看夜夜爽夜夜摸| 在线观看午夜福利视频| 日韩中文字幕欧美一区二区| 日本一二三区视频观看| 亚洲成人免费电影在线观看| 日本一二三区视频观看| 亚洲精品中文字幕在线视频| 午夜精品久久久久久毛片777| 久久精品91蜜桃| 一本久久中文字幕| 亚洲精品中文字幕在线视频| 99精品久久久久人妻精品| 999精品在线视频| 给我免费播放毛片高清在线观看| 在线观看www视频免费| 最近最新中文字幕大全免费视频| 亚洲va日本ⅴa欧美va伊人久久| 99国产综合亚洲精品| 亚洲av成人一区二区三| 免费看美女性在线毛片视频| 亚洲自偷自拍图片 自拍| 舔av片在线| 免费在线观看日本一区| 国产黄a三级三级三级人| 怎么达到女性高潮| 久久久久久国产a免费观看| 亚洲av成人精品一区久久| 宅男免费午夜| 午夜精品一区二区三区免费看| 免费在线观看完整版高清| xxx96com| 国产av不卡久久| 脱女人内裤的视频| 黄色视频不卡| 色综合婷婷激情| 欧美性猛交黑人性爽| 窝窝影院91人妻| 久久久水蜜桃国产精品网| 啦啦啦韩国在线观看视频| 哪里可以看免费的av片| 一区二区三区国产精品乱码| 听说在线观看完整版免费高清| 欧美最黄视频在线播放免费| 久久精品aⅴ一区二区三区四区| 免费在线观看亚洲国产| 国产精品1区2区在线观看.| 美女黄网站色视频| 女警被强在线播放| 欧美日韩精品网址| 色综合站精品国产| 成人18禁在线播放| 999久久久国产精品视频| 国产av又大| 精品少妇一区二区三区视频日本电影| 长腿黑丝高跟| 欧美一级毛片孕妇| 午夜a级毛片| 国产激情久久老熟女| www日本黄色视频网| 色av中文字幕| 午夜免费观看网址| 脱女人内裤的视频| 嫩草影院精品99| 亚洲成av人片在线播放无| 国产精品精品国产色婷婷| 国产亚洲精品一区二区www| 欧美日韩亚洲综合一区二区三区_| 亚洲av片天天在线观看| 免费观看人在逋| www日本在线高清视频| av视频在线观看入口| 欧美日韩精品网址| 久久性视频一级片| 国产高清视频在线播放一区| 热99re8久久精品国产| 亚洲精品一区av在线观看| 亚洲中文日韩欧美视频| 琪琪午夜伦伦电影理论片6080| 日韩欧美在线乱码| 亚洲七黄色美女视频| 久久久久国产精品人妻aⅴ院| 一级片免费观看大全| 久热爱精品视频在线9| 亚洲精品久久国产高清桃花| 人妻夜夜爽99麻豆av| 狂野欧美白嫩少妇大欣赏| 最好的美女福利视频网| 亚洲av电影不卡..在线观看| 国产欧美日韩一区二区三| 一本精品99久久精品77| 国产一区二区在线av高清观看| 亚洲国产欧美网| 黄频高清免费视频| 变态另类成人亚洲欧美熟女| 欧美色视频一区免费| 久久久久久免费高清国产稀缺| 欧美日韩亚洲综合一区二区三区_| 在线免费观看的www视频| 女警被强在线播放| 在线十欧美十亚洲十日本专区| 成在线人永久免费视频| 亚洲av中文字字幕乱码综合| 在线免费观看的www视频| 欧美中文综合在线视频| 国产视频一区二区在线看| 亚洲五月天丁香| 国产精品乱码一区二三区的特点| 香蕉丝袜av| 99久久99久久久精品蜜桃| 亚洲国产欧美人成| 伦理电影免费视频| 午夜福利欧美成人| 亚洲一区高清亚洲精品| 村上凉子中文字幕在线| 免费在线观看成人毛片| 日韩欧美 国产精品| 日韩av在线大香蕉| 亚洲va日本ⅴa欧美va伊人久久| 国产精品九九99| 怎么达到女性高潮| 宅男免费午夜| 欧美久久黑人一区二区| 亚洲av美国av| xxx96com| 国产精品,欧美在线| 级片在线观看| 中文字幕人成人乱码亚洲影| av福利片在线| 成年版毛片免费区| 精品免费久久久久久久清纯| 国产成人精品久久二区二区免费| 精品乱码久久久久久99久播| 国产69精品久久久久777片 | 日本免费a在线| 在线播放国产精品三级| 国产三级中文精品| 亚洲色图 男人天堂 中文字幕| 麻豆成人av在线观看| 露出奶头的视频| 高潮久久久久久久久久久不卡| 日韩精品免费视频一区二区三区| e午夜精品久久久久久久| 村上凉子中文字幕在线| 中文在线观看免费www的网站 | 在线十欧美十亚洲十日本专区| 久久精品成人免费网站| 天天躁夜夜躁狠狠躁躁| 国产单亲对白刺激| 在线免费观看的www视频| 中文字幕av在线有码专区| 久久精品国产亚洲av高清一级| 亚洲熟女毛片儿| bbb黄色大片| 中文字幕人成人乱码亚洲影| 欧美一级a爱片免费观看看 | 一区二区三区激情视频| 97超级碰碰碰精品色视频在线观看| 久久精品aⅴ一区二区三区四区| 免费在线观看日本一区| 少妇裸体淫交视频免费看高清 | 狠狠狠狠99中文字幕| 成人特级黄色片久久久久久久| 非洲黑人性xxxx精品又粗又长| 精华霜和精华液先用哪个| 两个人看的免费小视频| 嫩草影院精品99| 亚洲精品一卡2卡三卡4卡5卡| 在线观看日韩欧美| 美女免费视频网站| 日韩大尺度精品在线看网址| 香蕉丝袜av| 午夜两性在线视频| 国产亚洲欧美98| 99久久精品热视频| 一级毛片高清免费大全| 色精品久久人妻99蜜桃| 国产三级中文精品| 日韩精品中文字幕看吧| 香蕉国产在线看| 久久国产乱子伦精品免费另类| 国产又黄又爽又无遮挡在线| 国产精品av久久久久免费| 又紧又爽又黄一区二区| aaaaa片日本免费| 国产精品av视频在线免费观看| 国产av麻豆久久久久久久| 国产黄色小视频在线观看| 久久精品91蜜桃| 日本撒尿小便嘘嘘汇集6| 国产蜜桃级精品一区二区三区| 亚洲av中文字字幕乱码综合| 亚洲国产欧美一区二区综合| 成人国产一区最新在线观看| www.精华液| 日韩三级视频一区二区三区| 久久久久国产精品人妻aⅴ院| 久9热在线精品视频| 五月伊人婷婷丁香| 成人一区二区视频在线观看| 亚洲国产精品成人综合色| 国产爱豆传媒在线观看 | 男女床上黄色一级片免费看| 99国产精品一区二区三区| 国产av又大| www日本黄色视频网| 免费在线观看日本一区| 两个人视频免费观看高清| 精品少妇一区二区三区视频日本电影| 国产成人aa在线观看| av欧美777| 可以在线观看毛片的网站| 黄频高清免费视频| 悠悠久久av| 熟女少妇亚洲综合色aaa.| 久久久久久国产a免费观看| 手机成人av网站| 久久香蕉激情| 亚洲国产看品久久| 久久伊人香网站| 99热只有精品国产| 中文字幕久久专区| 天天添夜夜摸| 久久久久免费精品人妻一区二区| av视频在线观看入口| 中文亚洲av片在线观看爽| 久久香蕉激情| 国产亚洲精品第一综合不卡| 国产在线精品亚洲第一网站| 日日干狠狠操夜夜爽| 久久久久久九九精品二区国产 | 日韩欧美三级三区| 99国产精品一区二区三区| 亚洲一卡2卡3卡4卡5卡精品中文| 国产主播在线观看一区二区| 亚洲午夜理论影院| 成人手机av| 亚洲自拍偷在线| 免费观看精品视频网站| 一级片免费观看大全| 亚洲精品在线观看二区| 黄色丝袜av网址大全| 久久中文字幕一级| 免费在线观看影片大全网站| 欧美中文综合在线视频| 成在线人永久免费视频| 国产一区二区三区视频了| 校园春色视频在线观看| 91成年电影在线观看| 欧美成人午夜精品| 久久久久国产一级毛片高清牌| 女生性感内裤真人,穿戴方法视频| 一二三四在线观看免费中文在| 桃色一区二区三区在线观看| 亚洲av成人av| 婷婷亚洲欧美| 久久久久性生活片| 亚洲熟妇中文字幕五十中出| 国产黄片美女视频| 老司机午夜十八禁免费视频| 天堂动漫精品| 国产精品99久久99久久久不卡| 老司机午夜十八禁免费视频| 五月玫瑰六月丁香| 国语自产精品视频在线第100页| aaaaa片日本免费| 亚洲熟妇中文字幕五十中出| 欧美精品亚洲一区二区| 欧美3d第一页| 麻豆久久精品国产亚洲av| 欧洲精品卡2卡3卡4卡5卡区| 俄罗斯特黄特色一大片| 黄色 视频免费看| www.熟女人妻精品国产| 久久中文字幕一级| 欧美一区二区精品小视频在线| 日韩欧美国产在线观看| 日日干狠狠操夜夜爽| 久久久久亚洲av毛片大全|