激光雷达引导下的红外图像中行人检测

发布时间：2019-11-04 11:53

【摘要】：研究了一种利用激光雷达数据引导红外图像进行行人检测与识别的方法。首先针对激光雷达数据,提出了一种利用鲁棒主成分分析进行目标感兴趣区域检测的方法,进而设计了一种窗口滤波算法对前景矩阵进行滤波处理,得到目标感兴趣区域的位置信息。在此基础上,将该位置信息投影到红外图像中获取红外图像中的目标感兴趣区域,进而在红外图像感兴趣区域内利用稀疏编码金字塔算法和支持向量机完成行人识别。实验结果表明了该算法能够有效地完成行人识别。
【图文】：

激光雷达,数据

2017，53（23）了实验。实验采用二维激光雷达UTM-30LX，扫描的范围为270°，扫描的最大距离为30000mm，两条相邻扫描线间的夹角为0.25°，每帧数据包含1081个扫描点。在实验中，首先采集连续的3482帧激光雷达数据构造原始矩阵D，利用RPCA对原始矩阵D进行分解得到背景矩阵A和稀疏矩阵E，将矩阵E更新后进行滤波处理。下面以单帧数据进行具体分析。图5（a）为单帧激光雷达原始数据（单位：mm）转化为直角坐标形式的图，图5（b）为该帧激光雷达数据同步采集的红外图像，图5（c）为RPCA分解后属于背景部分的扫描点数据，图5（d）为RPCA分解后属于前景（即运动目标）部分的扫描点数据。由于室外环境相对比较复杂，因此经过分解后的前景数据中包含有大量的噪声点。由图5（e）可知：经过本文的滤波算法处理后，可以发现绝大部分的噪声点已被去除，但是还存在部分噪声点被错误划分为了运动目标。这是因为滤波结果和滤波窗口相关参数的选择有着一定的关系，在实验中所选择的窗口参数是一个经验值，同时考虑到这些错误数据点可以在识别算法中加以处理，也就是说，ROI的数量可以大于等于目标的数量，因此在评价这一滤波算法时，本文只考虑其漏检率，而过检测的问题可以在识别过程中加以解决。4.2基于激光雷达数据引导的红外图像行人识别实验与分析将上文实验中检测得到的ROI距离、角度信息投影到相应红外图像上，得到的图像中的ROI区域，如图6所示。图6中，红色点表示雷达中的ROI区域在红外图像中的映射点，蓝色框表示由红色映射点所形成的矩形框，该区域经过扩大之后的区域就是ROI区域，由红色框表示，可以发现行人目标都在矩形范围之内。在提取SIFT特征时，图像先进行缩放，使得待识别ROI区域的大小为128pixel×64pixel，局部块的大?

行人,检测结果

usingsparsecodingformageclassification[C]//ProceedingsoftheIEEEConferenceonComputerVisionandPatternRecognition，2009：1794-1801.[14]BaoCQ，HeLT，，WangYL.Linearspatialpyramidmatchingusingnon-convexandnon-negativesparsecodingforimageclassification[C]//IEEEChinaSummitandInternationalConferenceonSignalandInformationProcessing（ChinaSIP），2015：186-190.[15]LoweDG.Distinctiveimagefeaturesfromscale-invariantkeypoints[J].InternationalJournalofComputerVision，2004，60（60）：91-110.图8不同背景下的行人检测结果202

【相似文献】