基于移动平台热成像的行人检测随机蕨分类器

傍晚至清晨的照度低,成为交通意外、安全事故、犯罪事件的高发时间段。将适用于低照度环境下的热成像摄像机安装于移动平台,实现了监控区域的扩展。首先框选热成像图片中的行人及背景区域,然后提取亮度特征和方向中心对称-局部二值模式纹理特征进行随机蕨分类器的训练及分类;利用检测到的目标扩展训练样本库,更新分类器的后验概率分布,实现了分类器的在线自主学习。通过仿真测试,得到该算法对车载视频的运算速度为242.18 s,误检率为9.53%;对无人机视频的运算速度为14.93 s,误检率为4.52%。该算法的误检率低、分类速度快、便于移植,适用于对实时性要求较高的应用场合,具有一定的实际工程意义。