电子学报 ›› 2020, Vol. 48 ›› Issue (10): 1909-1914.DOI: 10.3969/j.issn.0372-2112.2020.10.005
沈乐, 刘琼
收稿日期:
2019-04-08
修回日期:
2020-02-14
出版日期:
2020-10-25
通讯作者:
作者简介:
基金资助:
SHEN Le, LIU Qiong
Received:
2019-04-08
Revised:
2020-02-14
Online:
2020-10-25
Published:
2020-10-25
摘要: 道路场景复杂、热成像纹理信息较少以及图像品质不稳定,RoIs提取面临挑战.阈值分割RoIs提取更多关注行人局部细节和像素间邻域关系,容易产生行人遗漏、背景粘连和行人断裂,且很难控制RoIs总量.模拟人类视觉,关注图像显著性区域及其位置和大小,提出概率图RoIs提取方法,设计凸-凹形曲线映射像素灰度值增强图像对比度;基于图像签名方法获取显著性图.融合灰度强度和显著性概率图并从中提取图像前景;设计算法搜索路面估计限定的概率图区域生成RoIs.实验表明,相对阈值分割,本文方法能够提高RoIs定位准确度、控制RoIs总量和显著减少非行人RoIs;提取等量单帧RoIs,召回率提高不低于9%.
中图分类号:
沈乐, 刘琼. 概率图车载热成像行人检测RoIs提取方法[J]. 电子学报, 2020, 48(10): 1909-1914.
SHEN Le, LIU Qiong. RoIs Extraction Method Using Probability Map for Vehicle-Mounted Thermal Imaging Pedestrian Detection[J]. Acta Electronica Sinica, 2020, 48(10): 1909-1914.
[1] GE J F,LUO Y P,TEI G.Real-time pedestrian detection and tracking at nighttime for driver-assistance systems[J].IEEE Transactions on Intelligent Transportation Systems,2009,10(2):283-298. [2] JEONG M,KO B C,NAM J Y.Early detection of sudden pedestrian crossing for safe driving during summer nights[J].IEEE Transactions on Circuits & Systems for Video Technology,2017,27(6):1368-1380. [3] 王国华,刘琼,庄家俊.基于局部特征的车载红外行人检测方法研究[J].电子学报,2015,43(7):1444-1448. WANG G H,LIU Q,ZHUANG J J.Method research on vehicular infrared pedestrian detection based on local features[J].Acta Electronica Sinica,2015,43(7):1444-1448.(in Chinese) [4] REN S Q,HE K M,GIRSHICK R,et al.Faster R-CNN:Towards real-time object detection with region proposal networks[J].IEEE Transactions on Pattern Analysis & Machine Intelligence,2017,39(6):1137-1149. [5] XU Z W,ZHUANG J J,LIU Q,et al.Benchmarking a large-scale FIR dataset for on-road pedestrian detection[J].Infrared Physics & Technology,2019,96:199-208. [6] 孟思岐.复杂场景下红外行人目标检测跟踪技术研究[D].江苏南京:南京理工大学,2018. MENG S Q.Research on Infrared Pedestrian Detection and Tracking in Complex Scene[D].Nanjing,Jiangsu:Nanjing University of Science and Technology,2018.(in Chinese) [7] 王璐.车载红外夜视行人检测与跟踪技术研究[D].四川成都:电子科技大学,2017. WANG L.Research on Technology of Pedestrian Detection and Tracking for Vehicular Infrared Night-Vision System[D].Chengdu,Sichuan:University of Electronics Science & Technology of China,2017.(in Chinese) [8] 李景富,杨志强.一种多尺度远红外夜间交通行人识别方案[J].量子电子学报,2016,33(4):411-419. LI J F,YANG Z Q.A multi-scale far infrared night traffic pedestrian recognition scheme[J].Chinese Journal of Quantum Electronics,2016,33(4):411-419.(in Chinese) |
[1] | 王子为, 鲁继文, 周杰. 基于自适应梯度优化的二值神经网络[J]. 电子学报, 2023, (): 1-10. |
[2] | 刘金平, 吴娟娟, 张荣, 徐鹏飞. 基于结构重参数化与多尺度深度监督的COVID-19胸部CT图像自动分割[J]. 电子学报, 2023, (): 1-9. |
[3] | 刘芳, 朱天贺, 苏卫星, 刘阳. 基于高斯隐马尔可夫模型的人机共享控制区域化决策算法[J]. 电子学报, 2022, 50(11): 2659-2667. |
[4] | 姚睿, 朱享彬, 周勇, 王鹏, 张艳宁, 赵佳琦. 基于重要特征的视觉目标跟踪可迁移黑盒攻击方法[J]. 电子学报, 2022, (): 1-10. |
[5] | 魏钰轩, 陈莹. 基于自适应层信息熵的卷积神经网络压缩[J]. 电子学报, 2022, 50(10): 2398-2408. |
[6] | 李斌, 齐延荣, 周清雷. 基于Winograd算法的目标检测加速器设计与优化[J]. 电子学报, 2022, 50(10): 2387-2397. |
[7] | 王神龙, 雍宇, 吴晨睿. 基于伪孪生神经网络的低纹理工业零件6D位姿估计[J]. 电子学报, 2022, (): 1-10. |
[8] | 刘杰, 葛一凡, 田明. 文物图像的超分辨率重建算法研究[J]. 电子学报, 2022, (): 1-7. |
[9] | 杨利平, 侯振威, 辜小花, 郝峻永. 弱标签声音事件检测的空间-通道特征表征与自注意池化[J]. 电子学报, 2022, (): 1-10. |
[10] | 白勇强, 禹晶, 李一秾, 肖创柏. 基于深度先验的盲图像去模糊算法[J]. 电子学报, 2022, (): 1-18. |
[11] | 王娜, 王俊平, 朱俊辉. 基于矩阵偏序关系的形态学算子[J]. 电子学报, 2022, (): 1-9. |
[12] | 石光明, 高大化, 杨旻曦, 谢雪梅, 董明皓, 李雷达, 于凯. 信号的语义刻画与度量[J]. 电子学报, 2022, 50(9): 2068-2078. |
[13] | 琚长瑞, 秦晓燕, 袁广林, 李豪, 朱虹. 尺度敏感损失与特征融合的快速小目标检测方法[J]. 电子学报, 2022, 50(9): 2119-2126. |
[14] | 邵志文, 周勇, 谭鑫, 马利庄, 刘兵, 姚睿. 基于深度学习的表情动作单元识别综述[J]. 电子学报, 2022, 50(8): 2003-2017. |
[15] | 孔玮, 刘云, 李辉, 崔雪红, 杨浩冉. 基于全局自适应有向图的行人轨迹预测[J]. 电子学报, 2022, 50(8): 1905-1916. |
阅读次数 | ||||||
全文 |
|
|||||
摘要 |
|
|||||