CN104143098B - 基于远红外线摄像头的夜间行人识别方法 - Google Patents
基于远红外线摄像头的夜间行人识别方法 Download PDFInfo
- Publication number
- CN104143098B CN104143098B CN201410093022.7A CN201410093022A CN104143098B CN 104143098 B CN104143098 B CN 104143098B CN 201410093022 A CN201410093022 A CN 201410093022A CN 104143098 B CN104143098 B CN 104143098B
- Authority
- CN
- China
- Prior art keywords
- pedestrian
- far
- camera head
- value
- image
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 34
- 230000004044 response Effects 0.000 claims abstract description 28
- 239000006185 dispersion Substances 0.000 claims abstract description 15
- 238000001931 thermography Methods 0.000 claims abstract description 10
- 230000003542 behavioural effect Effects 0.000 claims abstract description 8
- 238000002372 labelling Methods 0.000 claims description 6
- 238000002474 experimental method Methods 0.000 claims description 3
- 230000001149 cognitive effect Effects 0.000 claims description 2
- 230000009471 action Effects 0.000 description 6
- 230000008859 change Effects 0.000 description 5
- 230000000694 effects Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- 238000005286 illumination Methods 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 230000004297 night vision Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 102100034112 Alkyldihydroxyacetonephosphate synthase, peroxisomal Human genes 0.000 description 1
- 101000799143 Homo sapiens Alkyldihydroxyacetonephosphate synthase, peroxisomal Proteins 0.000 description 1
- 241001465754 Metazoa Species 0.000 description 1
- 206010039203 Road traffic accident Diseases 0.000 description 1
- 238000000848 angular dependent Auger electron spectroscopy Methods 0.000 description 1
- 230000036760 body temperature Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000004438 eyesight Effects 0.000 description 1
- 230000007935 neutral effect Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/20—Movements or behaviour, e.g. gesture recognition
- G06V40/23—Recognition of whole body movements, e.g. for sport training
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/10—Image acquisition
- G06V10/12—Details of acquisition arrangements; Constructional details thereof
- G06V10/14—Optical characteristics of the device performing the acquisition or on the illumination arrangements
- G06V10/143—Sensing or illuminating at different wavelengths
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/103—Static body considered as a whole, e.g. static pedestrian or occupant recognition
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Human Computer Interaction (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- Social Psychology (AREA)
- Psychiatry (AREA)
- General Health & Medical Sciences (AREA)
- Traffic Control Systems (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
- Closed-Circuit Television Systems (AREA)
Abstract
本发明的基于远红外线摄像头的夜间行人识别方法，包括：接收行人的热成像影像的输入的阶段；利用DoG(Difference of Gaussian)过滤器获得输入的影像的各像素的第1回应值的阶段；测定输入的影像的各像素的分散值(Variance)的阶段；由第1回应值和分散值的乘积计算像素的第2回应值，对其二值化并生成二值化影像的阶段；从二值化影像生成行人候选组群集的阶段；把行人候选组群集根据行人的行为特性所学习的一个以上的分类器分类从而识别行人的阶段；算出行人的位置的阶段。本发明从远红外线摄像头接收行人的热成像影像的输入，使用DoG过滤器而设置候选组，通过根据行人的行为特性的分类器，正确地识别行人。
Description
技术领域
本发明涉及夜间行人识别方法,更具体地说，涉及基于远红外线摄像头的夜间行人识别方法，基于通过远红外线摄像头获得的影像检出行人并判断其位置。
背景技术
最近，交通事故中行人事故占据相当一部分。这种行人事故会牵连到更大的人命事故，所以非常严重。
尤其，夜间的驾驶视野会急剧变小，所以经常发生驾驶员很难看到行人的现象。为了防止这种现象，通过利用如近红外线摄像头或与远红外线摄像头的传感器使得驾驶员确保视野而提供视图的方法和通过夜间行人的识别进行提前报警等方法，进行着NightVision（夜视）***的研究。
此外，对于行人保护相关的研究也在活跃地进行。例如，提前识别行人，向驾驶员发送警报，或通过控制车辆而制动的构成，事前防止行人事故的ADAS***(尖端驾驶员辅助***)等。
本田公司为了抽出行人候选组，选择了利用红外线摄像头中行人的灰度值较高的特征而进行二值化的方法。但是这种方法可通过像素的灰度值与周边的平均亮度值等的比较而区分领域，但问题点在于，由于影像杂音而发生选择错误。
GM公司利用行人的警戒信息和动作分析而决定Confidence level（置信水平），由此检出行人。利用这种动作分析的行人检出方法，因车辆有摄像头本身的活动，要分析全部领域发生的动作的方向，需要很长的处理时间。并且存在没有行人的活动时正确度降低的问题点。
在先专利文献
美国注册专利公报第7130448号(申请日:2003.01.17)
美国注册专利公报第8050459号(申请日:2008.07.25)
发明内容
（要解决的技术问题）
本发明的目的在于提供一种基于远红外线摄像头的夜间行人识别方法，从远红外线摄像头接收行人的热成像影像的输入，使用对影像杂音具有强韧特性的DoG(高斯差-Difference of Gaussian)过滤器而设置候选组，通过行人的行为特性的分类器，正确地识别行人。
（解决问题的手段）
为了达成上述本发明的目的，本发明的特征在于，包括：接收行人的热成像影像的输入的阶段；利用DoG(Difference of Gaussian)过滤器获得输入的影像的各像素的第1回应值的阶段；测定输入的影像的各像素的分散值(Variance)的阶段；由DoG过滤器的第1回应值和分散值的乘积计算像素的第2回应值，对其二值化并生成二值化影像的阶段；从二值化影像生成行人候选组群集的阶段；把行人候选组群集根据行人的行为特性所学习的一个以上的分类器分类而识别行人的阶段；算出行人的位置的阶段。
热成像影像的特征在于，通过影射红外线带域的光的远红外线摄像头所拍摄的影像，第1回应值的特征在于，具有不同标准偏差的两个高斯过滤器对输入的影像分别进行卷积(convolution)而生成的两个影像的相同像素下的差值。
分散值是算出输入的影像的一个像素和相邻像素的的明暗差异(contrast)而获得的值，二值化影像是二值化第2回应值低的像素为0(黑色)、高的像素为1(白色)的影像。
行人候选组群集生成阶段中，通过连接要素标记(Component Labeling)方法，把第2回应值类似的部分归为一个领域而进行群集化。
行人候选组群集分类为三个群集，即行人向左边走或跑的群集、向前后走或跑的群集、向右边走或跑的群集；行人识别阶段中，测定对行人候选组群集进行学习后生成的分类器的信赖值，合计各个信赖值，最终对行人与否进行分类。
学习的特征在于，对行人移动的方向和角度进行至少一次的实验而对各相似的移动确保数据；信赖值的特征在于，是对通过分类器所获得的学习数据和通过二值化影像收集的行人候选组群集的类似度，进行数值化的值。这种信赖值的类似度越高，其值也越高。
行人的位置通过分类的行人的二值化影像的位置信息和摄像头校准(calibration)信息算出，这时，位置信息的特征在于，根据二值化影像的行人的大小，改变DoG过滤器的参数值而获得。
（发明的效果）
根据本发明的基于远红外线摄像头的夜间行人识别方法，使用远红外线摄像头和DoG过滤器而设置候选组，通过根据行人的行为特性所学习的分类器，提高识别行人的正确度，事前防止人命事故。
附图说明
图1是根据本发明的优选实施例的基于远红外线摄像头的夜间行人识别方法的流程图；
图2是呈现像素中的第1回应值和分散值的乘积计算的第2回应值的结果的图；
图3是呈现本发明的二值化方法和灰度值二值化方法的差异的图；
图4是呈现行人分类方法的图；及
图5是呈现为了DoG过滤器的参数值变更的领域分割的图。
具体实施方式
以下，参照附图详细说明根据本发明的优选实施例的基于远红外线摄像头的夜间行人识别方法。
如图1所图示，根据本发明的基于远红外线摄像头的夜间行人识别方法，包括：
接收行人的热成像影像的输入的阶段(S110)；利用DoG(Difference ofGaussian)过滤器获得输入的影像的各像素的第1回应值的阶段(S120)；测定输入的影像的各像素的分散值(Variance)的阶段(S130)；由DoG过滤器的第1回应值和分散值的乘积计算像素的第2回应值，对其二值化并生成二值化影像的阶段(S140)；从二值化影像生成行人候选组群集的阶段(S150)；把行人候选组群集根据行人的行为特性所学习的一个以上的分类器分类而识别行人的阶段(S160)；算出行人的位置的阶段(S170)。
首先，接收行人的热成像影像的输入的阶段(S110)中，通过投影人看不见的红外线带域的光的远红外线摄像头而检测行人。通常，使用CCD、CMOS元件接收通过透镜进入的光并转化成电子信号的摄像头起到检测可视光领域的光并投影的作用，因此能够获得近似于肉眼所看的影像。
相反，远红外线摄像头使用光的波长中8μm到15μm的远红外线带域，这种远红外线带域的波长根据温度而变化，因此具有能够区分温度的优点。人的体温具有10μm的波长，因此通过远红外线摄像头，能够更正确地检测行人。
其次，利用DoG(Difference of Gaussian)过滤器获得输入的影像的各像素的第1回应值的阶段(120)中，利用消除灰色影像的噪音并检出特征的影像处理算法即DoG过滤器，获得输入的影像的各像素的第1回应值。
DoG过滤器如下面的[数学式1]，利用具有不同标准偏差的两个高斯过滤器对输入的影像分别进行卷积(convolution，求特定像素周边的像素和各自加重值的乘积后相加的值)而生成模糊的影像并计算两个影像的差值。
【数学式1】
更具体地说，DoG过滤器是以影像特征检出目的的算法，增进数字影像中边缘(Edge)及其他不同细节的可视性时使用。
并且，通过高斯过滤器减少了噪音，能够消除影像中不必要的信息，通过抽出客体特征而维持因照明而无法看见的重要信息。
其次,测定输入的影像的各像素的分散值(Variance)的阶段(S130)中,算出输入的影像的特征像素和相邻像素的明暗差异(contrast)，测定各像素的分散值。
其次，由DoG过滤器的第1回应值和分散值的乘积计算像素的第2回应值，对其二值化并生成二值化影像的阶段(S140)中，像素的回应值低时为0(黑色)，高时为1(白色)而进行二值化。
二值化(binarization)是指只通过0(黑)和1(白)表现所有像素。
热成像的行人具有DoG过滤器的第1回应值和分散值非常高的特性，因此二值化像素的第2回应值时，行人的第2回应值为1，比背景的第2回应值0较高，能够明确区分行人和背景。
即，行人为白色，背景为黑色。
其次，从二值化影像生成行人候选组群集的阶段(S150)中，根据连接要素标记(Component Labeling)方法，集合影像的像素中的第2回应值类似的部分而生成行人候选组群集。
Component Labeling（成分标记）是指，区分影像内互相分开的物体领域时使用的影像处理算法，连接的像素上粘贴相同的编号(Label)，未连接的其他像素上粘贴不同的编号，使各个体独立化。
即，影像内有不同种类的物体时，通过Labeling（标记）过程，给每个物体赋予固有像素值，只把一个物体输出到画面时，可只输出相当于物体的固有像素值。
其次，把行人候选组群集根据行人的行为特性所学习的一个以上的分类器分类而识别行人的阶段(S160)中，测定相对于车辆左右移动的行人群集，对前后移动的行人群集等进行学习后生成的分类器的信赖值，融合各个信赖值并最终区分行人与否。
行人候选组群集分为三个群集，即行人向左边走或跑的群集、向前后走或跑的群集、向右边走或跑的群集。
这里，学习是指根据行人移动的方向和角度进行多次实验后，对相似的移动获得数据，通过多次学习和输入人的身体特征数据，区分不是行人的事物或动物，可从行人群集中排除。
如图4所图示，通过学习区分的群集，保存到各个分类器1、2、3中，按各分类器测定信赖值后，最终融合(Fusion)三种信赖值。
信赖值是对保存在分类器的学习数据（行动模式数据）和通过影像收集的行人群集的行动模式的类似度进行比较而测定，行动模式的类似度越高，信赖值也越高。
并且，分类器识别行人时，也能识别行人向哪个方向移动即行人的移动方向。
最后，算出行人的位置的阶段(S170)中，利用分类的行人的影像的位置信息和摄像头校准信息，最终算出行人的位置。
掌握行人的位置信息时，根据摄像头内行人与车辆的距离而大小会不同，因此有必要根据行人的大小变更DoG过滤器的参数值(σ)。
因此利用DoG(Difference of Gaussian)过滤器获得所述输入的影像的第1回应值的阶段(S120)中，如图5所图示，按影像的A、B、C领域，适用不同的DoG过滤器的参数值而抽出第1回应值，掌握行人的位置。
摄像头校准信息是指拍摄摄像头与被摄体之间的距离或照明有急剧变化的场面时，测定预定的镜头焦距或光圈刻度并提前标示。若利用校准，具有正确显示对象场面的焦点或曝光的优点。
因此，利用参数值的变化和摄像头校准信息的话，能够更正确地掌握行人的位置。
如上述，根据本发明的基于远红外线摄像头的夜间行人识别方法，与传统技术不同，用DoG过滤器过滤了远红外线影像并二值化，从而设定行人群集，比较行人群集的行动模式与学习并保存的行动模式的类似度而识别行人，相比传统，提高了夜间行人识别的正确度。
以上，根据本发明的优选实施例，说明了本发明的基于远红外线摄像头的夜间行人识别方法，但本发明的权利范围并不限定于所述实施例，本领域从业者在不超过本发明的技术思想的范围内，可进行修正、变更及实施多种变形的实施例。
Claims (11)
1.一种基于远红外线摄像头的夜间行人识别方法，包括：
接收行人的热成像影像的输入的阶段；
利用高斯差过滤器获得所述输入的影像的各像素的第1回应值的阶段；
测定所述输入的影像的各像素的分散值的阶段；
由所述第1回应值和分散值的乘积计算像素的第2回应值，对其二值化并生成二值化影像的阶段；
通过连接要素标记方法，从所述二值化影像生成行人候选组群集的阶段；
把所述行人候选组群集根据行人的行为特性所学习的一个以上的分类器分类而识别行人的阶段；及
算出所述行人的位置的阶段，
所述分散值是算出所述输入的影像的一个像素和相邻像素的的明暗差异而获得的值。
2.根据权利要求1所述的基于远红外线摄像头的夜间行人识别方法，其特征在于：
所述热成像影像为，
通过投影红外线带域的光的远红外线摄像头所拍摄的影像。
3.根据权利要求1所述的基于远红外线摄像头的夜间行人识别方法，其特征在于：
所述第1回应值是具有不同标准偏差的两个高斯过滤器对所述输入的影像分别进行卷积而生成的两个影像的相同像素下的差值。
4.根据权利要求1所述的基于远红外线摄像头的夜间行人识别方法，其特征在于：
行人候选组群集生成阶段中，
通过连接要素标记方法，把所述第2回应值类似的部分归为一个领域而进行群集化。
5.根据权利要求1所述的基于远红外线摄像头的夜间行人识别方法，其特征在于：
所述行人候选组群集，
分类为三个群集，即行人向左边走或跑的群集、向前后走或跑的群集、向右边走或跑的群集。
6.根据权利要求1所述的基于远红外线摄像头的夜间行人识别方法，其特征在于：
所述行人识别阶段中，
测定对行人候选组群集进行学习后生成的分类器的信赖值，合计各个信赖值，最终对行人与否进行分类。
7.根据权利要求6所述的基于远红外线摄像头的夜间行人识别方法，其特征在于：
所述学习，对行人移动的方向和角度进行至少一次的实验而对各相似的移动确保数据。
8.根据权利要求6所述的基于远红外线摄像头的夜间行人识别方法，其特征在于：
所述信赖值，是对通过所述分类器所获得的学习数据和通过所述二值化影像收集的行人候选组群集的类似度，进行数值化的值。
9.根据权利要求8所述的基于远红外线摄像头的夜间行人识别方法，其特征在于：
所述信赖值的所述类似度越高，其值也越高。
10.根据权利要求1所述的基于远红外线摄像头的夜间行人识别方法，其特征在于：
所述行人的位置通过所述分类的行人的二值化影像的位置信息和摄像头校准信息算出。
11.根据权利要求10所述的基于远红外线摄像头的夜间行人识别方法，其特征在于：
所述位置信息是根据所述二值化影像的行人的大小，改变高斯差过滤器的参数值而获得。
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR10-2013-0051120 | 2013-05-07 | ||
| KR1020130051120A KR102021152B1 (ko) | 2013-05-07 | 2013-05-07 | 원적외선 카메라 기반 야간 보행자 인식 방법 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN104143098A CN104143098A (zh) | 2014-11-12 |
| CN104143098B true CN104143098B (zh) | 2017-07-28 |
Family
ID=51852268
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201410093022.7A Active CN104143098B (zh) | 2013-05-07 | 2014-03-13 | 基于远红外线摄像头的夜间行人识别方法 |
Country Status (3)
| Country | Link |
|---|---|
| US (1) | US9286512B2 (zh) |
| KR (1) | KR102021152B1 (zh) |
| CN (1) | CN104143098B (zh) |
Families Citing this family (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101543105B1 (ko) * | 2013-12-09 | 2015-08-07 | 현대자동차주식회사 | 보행자 인식 장치 및 그의 처리 방법과 이를 지원하는 차량 |
| KR101705876B1 (ko) | 2015-05-26 | 2017-02-13 | 라온피플 주식회사 | 보행자 후보 영역 검출 방법 및 이를 이용한 보행자 인식 방법 |
| KR102491638B1 (ko) * | 2015-12-23 | 2023-01-26 | 한화테크윈 주식회사 | 영상 처리 장치 및 영상 처리 방법 |
| GB2562018A (en) * | 2016-09-15 | 2018-11-07 | Vivacity Labs Ltd | A method and system for analyzing the movement of bodies in a traffic system |
| WO2018092934A1 (ko) * | 2016-11-17 | 2018-05-24 | 주식회사 토비스 | 나이트 비젼 시스템 |
| KR101882832B1 (ko) * | 2016-11-28 | 2018-07-27 | 영남대학교 산학협력단 | 보행자 검출 장치 및 방법 |
| CN107122714B (zh) * | 2017-03-28 | 2020-05-26 | 天棣网络科技(上海)有限公司 | 一种基于边缘约束的实时行人检测方法 |
| KR102072757B1 (ko) * | 2017-10-31 | 2020-02-03 | 국방과학연구소 | 딥 러닝을 이용한 이종 센서 정보 융합 장치 및 방법 |
| CN108805827B (zh) * | 2018-05-21 | 2022-06-14 | 深圳大学 | 一种图像卷积响应值的简化方法 |
| WO2020219694A1 (en) * | 2019-04-23 | 2020-10-29 | Apple Inc. | Systems and methods for resolving hidden features in a field of view |
| CN110706235B (zh) * | 2019-08-30 | 2023-05-23 | 华南农业大学 | 一种基于双级级联分割的远红外行人检测方法 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101226597A (zh) * | 2007-01-18 | 2008-07-23 | 中国科学院自动化研究所 | 一种基于热红外步态的夜间行人识别方法及*** |
Family Cites Families (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH06309492A (ja) * | 1993-04-21 | 1994-11-04 | Eastman Kodak Co | 複数分類器出力合成方法及び合成システム |
| DE10301468B4 (de) | 2002-01-18 | 2010-08-05 | Honda Giken Kogyo K.K. | Vorrichtung zur Beobachtung der Umgebung eines Fahrzeugs |
| AU2003295318A1 (en) * | 2002-06-14 | 2004-04-19 | Honda Giken Kogyo Kabushiki Kaisha | Pedestrian detection and tracking with night vision |
| JP3922245B2 (ja) * | 2003-11-20 | 2007-05-30 | 日産自動車株式会社 | 車両周辺監視装置および方法 |
| EP1779295A4 (en) * | 2004-07-26 | 2012-07-04 | Automotive Systems Lab | SYSTEM FOR PROTECTING USERS OF THE ROAD IN A DANGER SITUATION |
| US7786898B2 (en) * | 2006-05-31 | 2010-08-31 | Mobileye Technologies Ltd. | Fusion of far infrared and visible images in enhanced obstacle detection in automotive applications |
| JP2008021035A (ja) * | 2006-07-11 | 2008-01-31 | Fujitsu Ten Ltd | 画像認識装置、画像認識方法および車両制御装置 |
| KR100865531B1 (ko) * | 2007-06-04 | 2008-10-29 | (주)유디피 | 전경 화소의 군집화에 의한 개별 보행인 분리 방법 |
| US8050459B2 (en) | 2008-07-25 | 2011-11-01 | GM Global Technology Operations LLC | System and method for detecting pedestrians |
| WO2011086807A1 (ja) * | 2010-01-14 | 2011-07-21 | 本田技研工業株式会社 | 車両周辺監視装置 |
| CN102985958B (zh) * | 2010-08-31 | 2015-04-01 | 本田技研工业株式会社 | 车辆周围监测装置 |
| IL210427A0 (en) * | 2011-01-02 | 2011-06-30 | Agent Video Intelligence Ltd | Calibration device and method for use in a surveillance system for event detection |
-
2013
- 2013-05-07 KR KR1020130051120A patent/KR102021152B1/ko active IP Right Grant
-
2014
- 2014-03-13 CN CN201410093022.7A patent/CN104143098B/zh active Active
- 2014-04-18 US US14/256,337 patent/US9286512B2/en active Active
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101226597A (zh) * | 2007-01-18 | 2008-07-23 | 中国科学院自动化研究所 | 一种基于热红外步态的夜间行人识别方法及*** |
Non-Patent Citations (4)
| Title |
|---|
| Layered Representation for Pedestrian Detection and Tracking in Infrared Imagery;Congxia Dai等;《Proceedings of the 2005 IEEE Computer Society Conference on Computer Vision and Pattern Recognition》;20050626;第1-8页 * |
| Selection of Histograms of Oriented Gradients Features for Pedestrian Detection;Takuya Kobayashi等;《International Conference on Neural Information Processing》;20071231;第598-607页 * |
| 基于红外图像的夜间行人检测技术研究;田翠翠;《中国优秀硕士学位论文全文数据库 信息科技辑》;20110315(第03期);I138-1204 * |
| 红外序列图像中行人检测与跟踪算法研究;胡瑞光;《中国优秀硕士学位论文全文数据库 信息科技辑》;20091215(第12期);I138-805 * |
Also Published As
| Publication number | Publication date |
|---|---|
| KR20140132076A (ko) | 2014-11-17 |
| US20140334672A1 (en) | 2014-11-13 |
| CN104143098A (zh) | 2014-11-12 |
| KR102021152B1 (ko) | 2019-09-11 |
| US9286512B2 (en) | 2016-03-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104143098B (zh) | 基于远红外线摄像头的夜间行人识别方法 | |
| CN105261020B (zh) | 一种快速车道线检测方法 | |
| US8750567B2 (en) | Road structure detection and tracking | |
| US8077204B2 (en) | Vehicle periphery monitoring device, vehicle, vehicle periphery monitoring program, and vehicle periphery monitoring method | |
| Zin et al. | Fusion of infrared and visible images for robust person detection | |
| JPWO2007077682A1 (ja) | 車両及びレーンマーク検出装置 | |
| EP3286056B1 (en) | System and method for a full lane change aid system with augmented reality technology | |
| JP2013529348A (ja) | 種々の交通標識を検出及び認識する照明不変且つロバストな装置及び方法 | |
| US20130265424A1 (en) | Reconfigurable clear path detection system | |
| CN111965636A (zh) | 一种基于毫米波雷达和视觉融合的夜间目标检测方法 | |
| US20180239972A1 (en) | Vehicle vision system with enhanced traffic sign recognition | |
| US20160034769A1 (en) | Vehicle vision system with traffic sign recognition | |
| Paone et al. | Baseline face detection, head pose estimation, and coarse direction detection for facial data in the SHRP2 naturalistic driving study | |
| CN105354856A (zh) | 一种基于mser与orb相结合的人体匹配与定位方法及*** | |
| CN114639078A (zh) | 一种车型识别方法、装置和*** | |
| CN113673584A (zh) | 一种图像检测方法及相关装置 | |
| CN104915642A (zh) | 前方车辆测距方法及装置 | |
| CN115346197A (zh) | 一种基于双向视频流的驾驶员分心行为识别方法 | |
| CN103021179A (zh) | 基于实时监控视频中的安全带检测方法 | |
| Miller et al. | Person tracking in UAV video | |
| Santos et al. | Car recognition based on back lights and rear view features | |
| CN104813341A (zh) | 使用差分相机的图像处理设备 | |
| JP2004086417A (ja) | 横断歩道等における歩行者検出方法及び同装置 | |
| KR20140104516A (ko) | 차선 인식 방법 및 장치 | |
| KR101520293B1 (ko) | 시각 집중에 의한 관심객체 검지와 포렌식 영상 획득 스케쥴링 방법 및 시스템 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |