(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111637231.X (22)申请日 2021.12.2 9 (71)申请人 长春理工大 学 地址 130000 吉林省长 春市卫星路7089号 (72)发明人 付华烨　崔炜　周佳乐　 (74)专利代理 机构 滁州弘知润创知识产权代理 事务所(普通 合伙) 34222 代理人 林凡燕 (51)Int.Cl. G06V 40/10(2022.01) G06V 10/25(2022.01) G06V 10/26(2022.01) G06V 10/50(2022.01) G06V 10/77(2022.01) G06V 10/764(2022.01)G06V 10/80(2022.01) G06K 9/62(2022.01) (54)发明名称 一种应用于AGV的行 人检测算法 (57)摘要 本发明公开了一种应用于AGV的行人检测算 法， 涉及行人检测算技术领域。 本发明包括以下 步骤： (1)利用双目相机获取检测区域的图像； (2)对获取的图像依次进行图像灰度化、 中值滤 波以及直方图均衡化处理， 得到处理后的视差 图； (3)获取视差图中有效视差点的三维坐标； (4)根据获取的视差图和有效视差点的三维坐标 判定来地面干扰区域； (5)设定行人检测范围值， 并计算出感兴趣区域和背景干扰区域。 本发明算 法的检测效率和检测准确度明显提升， 有效克服 了由远距离复杂背景干扰造成的误检问题， 也在 一定程度上改善了由行人姿态多变引起的检测 效果弱的问题。 权利要求书3页 说明书12页 附图3页 CN 114332935 A 2022.04.12 CN 114332935 A 1.一种应用于AGV的行 人检测算法， 其特 征在于， 包括以下步骤： (1)利用双目相机获取检测区域的图像； (2)对获取的图像依次进行图像灰度化、 中值滤波以及直方图均衡化处理， 得到处理后 的视差图； (3)获取视 差图中有效视 差点的三维坐标； (4)根据获取的视 差图和有效视 差点的三维坐标判定来 地面干扰区域； (5)设定行 人检测范围值， 并计算出感兴趣区域和背景干扰区域； (6)根据确定的干扰区域数据， 采用二 值化的分割方法在视 差图上提取感兴趣区域； (7)提取视 差图中感兴趣区域中的HO G特征； (8)提取视 差图中感兴趣区域中的LBP特 征； (9)将提取的HOG特征和LBP特征进行串联融合， 得到整幅图像的融合特征HOG ‑LBP特 征； (10)采用PCA算法对HO G‑LBP特征进行融合降维处 理； (11)将降维后的HO G‑LBP特征利用SVM分类算法进行识别分类。 2.根据权利要求1所述的一种应用于AGV的行人检测算法， 其特征在于， 所述步骤(3) 中， 获取有效视 差点的三维坐标的步骤如下： ①设图像物理坐标系中， 主点ol、 or的坐标分别为(cx,cy)、 (cx′,cy′)， 环境中点P(XP,YP, ZP)的成像点Pl、 Pr的坐标分别为(xl,yl)、 (xr,yr)， xl‑xr为点P的视差d， 左右相机的基线距离 为B， 焦距为f； ②在OpenCV中默认双目视觉系统的世界坐标系O ‑XwYwZw和左相机坐标系Ol‑XcYcZc是重 合的， 通过几何原理， 可 得式： 通过上述公式可计算得到环境中点P在世界坐标系中的坐标值XP、 YP、 ZP： 3.根据权利要求1所述的一种应用于AGV的行人检测算法， 其特征在于， 所述步骤(4) 中， 判定步骤如下： ①根据左相机建立相机坐标系O ‑XCYCZC， 点O为左相机光心位置， XC轴指向右相机方向，权　利　要　求　书 1/3 页 2 CN 114332935 A 2ZC轴与地面平行， 指向前进方向， YC轴与地面垂直； ②设相机光心O到地面的距离为H， 三维空间中一点P的三维坐标是(XP,YP,ZP)， 所以点P 到地面的距离为： hP＝H‑YP； ③设定一个高度阈值Δ h， 若hP＜Δh， 则当前点视为 地面干扰信息 。 4.根据权利要求1所述的一种应用于AGV的行人检测算法， 其特征在于， 所述步骤(5) 中， 行人检测范围值设定步骤如下： ①设双目相机与环境中物体的距离为D， 设置固定的距离阈值Dm； ②当D＜Dm， 环境中的物体才有可能是行人 目标， 将此范围内的物体作为感兴趣 区域提 取出来； ③当D＞Dm时， 此区域被视为背景干扰区域。 5.根据权利要求1所述的一种应用于AGV的行人检测算法， 其特征在于， 所述步骤(6) 中， 提取感兴趣区域的步骤如下； ①设hP＜Δh或D＞Dm的像素点灰度值置 0， 其余点的灰度值置为25 5； ②调用OpenCV的fi ndContours函数提取 前景可疑目标的轮廓； ③去除像素面积小于 3000的轮廓； ④用boundi ngRect函数 得到轮廓的最小矩形边界； ⑤将感兴趣区域从原左目图中提取 出来。 6.根据权利要求1所述的一种应用于AGV的行人检测算法， 其特征在于， 所述步骤(6) 中， HOG特征的提取步骤如下： ①灰度化和Gam ma归一化； ②计算图像梯度； ③梯度方向直方图加权统计； ④块的构建及其归一 化； ⑤计算整体的特 征向量。 7.根据权利要求1所述的一种应用于AGV的行人检测算法， 其特征在于， 所述步骤(8) 中， LBP特 征的提取 方法如下： 设每个像 素以灰度值fc作为阈值， 其周围像 素的灰度值若满足， 则将该点 设置为1， 否则 为0。 对其8个邻域进行0/1编码， 得到一个长度为8的二进制串， 用该二进制串作为该像素的 编码， 如下: fc为中心像素点的灰度值； fp为领域像素点的灰度值， 领域内的每 个采样点按照不同的权系数； 2p为赋值采样点， 最后进行求和运 算。权　利　要　求　书 2/3 页 3 CN 114332935 A 3