CN105095869A - 行人检测方法及装置 - Google Patents

Abstract

本发明公开了一种行人检测方法，该方法包括：采集车辆行驶过程中的前方图像；提取所述前方图像中的感兴趣区域；利用预设的行人分类器检测所述感兴趣区域，得到所述感兴趣区域中的行人图像。本发明还公开了一种行人检测装置。本发明实现了车辆在道路行驶过程中，自动对道路上的行人进行检测。

Description

行人检测方法及装置

技术领域

本发明涉及智能汽车辅助驾驶技术领域，尤其涉及一种行人检测方法及装置。

背景技术

随着科学技术的发展，汽车领域的各种技术越来越成熟，汽车已经逐渐进入了各个家庭当中，伴随着公路等级的不断提高，特别是高速公路的飞速发展，路上行驶的汽车也与日俱增，而且汽车的行驶速度越来越快，导致交通事故也越来越多，而在交通事故中多是行人和车辆碰撞的事故，现在的车辆在行驶过程中，基本上都是由驾驶员确定车辆行驶过程中道路上的行人，而车辆无法对道路上的行人进行自动检测。

发明内容

本发明的主要目的在于提出一种行人检测方法及装置，旨在解决传统的车辆行驶过程，无法对道路上的行人进行自动检测的技术问题。

为实现上述目的，本发明提供的一种行人检测方法，所述行人检测方法包括以下步骤：

采集车辆行驶过程中的前方图像；

提取所述前方图像中的感兴趣区域；

利用预设的行人分类器检测所述感兴趣区域，得到所述感兴趣区域中的行人图像。

优选地，所述提取所述前方图像中的感兴趣区域的步骤包括：

对采集的所述前方图像进行滤波处理，得到处理后的图像；

对处理后的所述图像进行区域阈值化，得到感兴趣区域。

优选地，所述利用预设的行人分类器检测所述感兴趣区域，得到所述感兴趣区域中的行人图像的步骤包括：

通过自适应直方图均衡化的方法增强所述感兴趣区域与背景区域的对比度，得到行人区域图像；

通过所述行人分类器检测所述行人区域图像，获取所述行人分类器中与所述行人区域图像对应的行人样本；

根据获取的所述行人样本确定所述行人区域图像中的行人图像。

优选地，所述利用预设的行人分类器检测所述感兴趣区域，得到所述感兴趣区域中的行人图像的步骤之后，所述行人检测方法包括：

获取所述行人图像作为行人样本；

将获取的所述行人样本加入训练样本集；

利用所述训练样本集训练所述行人分类器，得到更新后的行人分类器。

优选地，所述利用预设的行人分类器检测所述感兴趣区域，得到所述感兴趣区域中的行人图像的步骤之后，所述行人检测方法还包括：

在车辆行驶过程中，若检测到行人图像中的行人离当前车辆的距离小于预设阈值，则输出预设的告警信息。

此外，为实现上述目的，本发明还提出一种行人检测装置，所述行人检测装置包括：

采集模块，用于采集车辆行驶过程中的前方图像；

提取模块，用于提取所述前方图像中的感兴趣区域；

检测模块，用于利用预设的行人分类器检测所述感兴趣区域，得到所述感兴趣区域中的行人图像。

优选地，所述提取模块包括：

第一处理单元，用于对采集的所述前方图像进行滤波处理，得到处理后的图像；

第二处理单元，用于对处理后的所述图像进行区域阈值化，得到感兴趣区域。

优选地，所述检测模块包括：

增强单元，用于通过自适应直方图均衡化的方法增强所述感兴趣区域与背景区域的对比度，得到行人区域图像；

获取单元，用于通过所述行人分类器检测所述行人区域图像，获取所述行人分类器中与所述行人区域图像对应的行人样本；

确定单元，用于根据获取的所述行人样本确定所述行人区域图像中的行人图像。

优选地，所述行人检测装置还包括：

获取模块，用于获取所述行人图像作为行人样本；

加入模块，用于将获取的所述行人样本加入训练样本集；

训练模块，用于利用所述训练样本集训练所述行人分类器，得到更新后的行人分类器。

优选地，所述行人检测装置还包括：

输出模块，用于在车辆行驶过程中，若检测到行人图像中的行人离当前车辆的距离小于预设阈值，则输出预设的告警信息。

本发明提出的行人检测方法及装置，在车辆行驶过程中，先采集车辆的前方图像，然后提取所述前方图像中的感兴趣区域，再通过预设行人分类器对所述感兴趣区域进行检测，得到所述感兴趣区域中的行人图像，而不是只能通过人为确定车辆前方的行人，本方案对采集的前方图像分析提取感兴趣区域，并根据预设行人分类器对所述感兴趣区域进行检测得到对应的行人图像，实现了车辆行驶过程中，自动对道路上的行人进行检测。

附图说明

图1为本发明行人检测方法第一实施例的流程示意图；

图2为本发明提取所述前方图像中的感兴趣区域较佳实施例的流程示意图；

图3为本发明利用预设的行人分类器检测所述感兴趣区域较佳实施例的流程示意图；

图4为本发明本发明行人检测方法第四实施例的流程示意图；

图5为本发明本发明行人检测方法第五实施例的流程示意图；

图6为本发明行人检测装置第一实施例的功能模块示意图；

图7为图6中提取模块的细化功能模块示意图；

图8为图7中检测模块的细化功能模块示意图；

图9为本发明行人检测装置第四实施例的功能模块示意图；

图10为本发明行人检测装置第五实施例的功能模块示意图。

本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。

具体实施方式

应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

本发明提供一种行人检测方法。

参照图1，图1为本发明行人检测方法第一实施例的流程示意图。

本实施例提出一种行人检测方法，所述行人检测方法包括：

步骤S10，采集车辆行驶过程中的前方图像；

在本实施例中，通过车辆预设的摄像机采集行驶过程中的前方图像，所述摄像机可为前景摄像机或全景摄像机，所述摄像机的摄像头可为CCD(ChargecoupledDevice，电荷耦合元件)摄像头或CMOS(ComplementaryMetalOxideSemiconductor，互补金属氧化物半导体)摄像头。所述采集的前方图像优选离车辆摄像机预设距离内的图像，如距离车辆50米的前方图像。进一步地，采集到所述前方图像后，对采集的所述前方图像进行适当处理，如根据显示的需要，将所述图像转换为单通道灰度图像等等。

步骤S20，提取所述前方图像中的感兴趣区域；

在本实施例中，采集到所述前方图像后，可基于采集的实时图像中行人可能发生碰撞的位置信息进行估计，对部分不可能出现行人及行人不处于危险区域的图像不计入检测，例如去除图像的上下部分像素的天空和地面场景，以及图像左右部分像素的道路两边场景，从而得到行人的感兴趣区域。所述感兴趣区域(RegionsofInterest，ROI))的检测方法包括运动检测方法、基于形状检测方法以及区域阈值化方法。例如，所述运动检测方法通过检测前方图像中的运动信息，结合光流分析的运动检测来进行感兴趣区域的分割，即基于相同颜色像素小区域连贯运动，每个像素点都被赋予了一个属于某给定小区域的可能概率，而且每个小区域的移动都被按照运动的概率模型进行分类以准备下一阶段的行人识别，通过唯一的有着连贯一致性运动的区域，然后基于帧间分析对一个直线路径进行投票，只有在一组帧中检测到一个规则的轨迹，才认为找到一个行人，并以此得到感兴趣区域。进一步地，还可通过一个过零点检测算法，利用了过去6帧中的历史像素值的时空高斯卷积，再通过利用扩展的二阶卡尔曼滤波器处理遮挡，以获得感兴趣区域。

步骤S30，利用预设的行人分类器检测所述感兴趣区域，得到所述感兴趣区域中的行人图像。

在本实施例中，利用预设的行人分类器检测所述感兴趣区域，所述检测所述感兴趣区域优选包括：1)利用所述行人分类器在线检测所述感兴趣区域；2)通过多帧校验方法筛选行人分类器的检测结果。所述通过多帧校验方法筛选行人分类器的检测结果是，保留连续多帧图像中均出现的同一目标且被行人分类器连续检测为行人的结果，去除连续多帧图像中均出现的同一目标且被行人分类器连续判断为非行人的结果。最终，根据检测结果，得到所述感兴趣区域中的行人图像。所述行人分类器优选包括Adaboost迭代算法分类器、SVM(SupportVectorMachine，支持向量机)分类器。

本实施例提出的行人检测方法，在车辆行驶过程中，先采集车辆的前方图像，然后提取所述前方图像中的感兴趣区域，再通过预设行人分类器对所述感兴趣区域进行检测，得到所述感兴趣区域中的行人图像，而不是只能通过人为确定车辆前方的行人，本方案对采集的前方图像分析提取感兴趣区域，并根据预设行人分类器对所述感兴趣区域进行检测得到对应的行人图像，实现了车辆行驶过程中，自动对道路上的行人进行检测。

进一步地，为提高行人检测的准确性，基于第一实施例提出本发明行人检测方法的第二实施例，在本实施例中，参照图2，所述步骤S20包括：

步骤S21，对采集的所述前方图像进行滤波处理，得到处理后的图像；

步骤S22，对处理后的所述图像进行区域阈值化，得到感兴趣区域。

在本实施例中，采集到前方图像后，先通过滤波处理的方法去除前方图像的噪声和噪点干扰，然后对处理后的图像进行区域阈值化，值得阈值化图像，所述区域阈值化方法优选为：根据所述前方图像中每个像素水平领域的像素灰度值的统计特征确定划分阈值，对输入图像进行二值化处理得到二值图像；再通过形态学腐蚀运算滤除二值图像中的噪点像素，并运用形态学膨胀运算填补弱连接区域，最后提取所述二值图像中的所有连通区域作为感兴趣区域。

进一步地，为提高行人检测的准确性，基于第一实施例提出本发明行人检测方法的第三实施例，在本实施例中，参照图3，所述步骤S30包括：

步骤S31，通过自适应直方图均衡化的方法增强所述感兴趣区域与背景区域的对比度，得到行人区域图像；

在本实施例中，在采集到所述感兴趣区域后，优选通过适应直方图均衡化的方法增强所述感兴趣区域与背景区域的对比度，并根据所述感兴趣区域与背景区域的亮度差异，确定所述感兴趣区域与背景区域的边界轮廓，最后根据所述感兴趣区域的边界轮廓获取行人区域图像，可以理解的是，也可通过边缘检测算法进行边缘处理或动态双阈值方法进行二值化处理，增强所述感兴趣区域与背景区域之间亮度差异，根据所述亮度差异确定边界轮廓，并根据所述边界轮廓获取所述行人区域图像。

步骤S32，通过所述行人分类器检测所述行人区域图像，获取所述行人分类器中与所述行人区域图像对应的行人样本；

步骤S33，根据获取的所述行人样本确定所述行人区域图像中的行人图像。

在本实施例中，通过预设的行人分类器检测所述行人区域图像，所述检测方式为：将所述行人分类器中的各个行人样本与所述行人区域图像进行比对，并在检测到所述行人分类器中与所述行人区域图像匹配的行人样本时，将所述检测到的行人样本作为检测结果，根据所述检测结果确定所述行人区域图像中的行人图像。

进一步地，为提高行人检测的灵活性，基于第一、第二或第三实施例提出本发明行人检测方法的第四实施例，在本实施例中，参照图4，所述步骤S30之后，所述行人检测方法包括：

步骤S40，获取所述行人图像作为行人样本；

步骤S50，将获取的所述行人样本加入训练样本集；

步骤S60，利用所述训练样本集训练所述行人分类器，得到更新后的行人分类器。

在本实施例中，先获取所述行人图像作为行人样本，然后将获取的所述行人样本加入训练样本集，最后，利用所述训练样本集训练所述行人分类器，得到更新后的行人分类器。实现在行人检测过程中，可将实时获取的行人图像加入训练样本集，并根据训练样本集训练行人分类器，如Adaboost分类器或SVM分类器，最后，使得训练样本集中的行人样本数量更多，提高了行人检测的准确性。也就是为了在车辆行驶过程中，通过不断提取各种行人样本对行人分类器进行在线更新从而提高算法的适应性。

进一步地，为提高行人检测的灵活性，基于第一、第二或第三实施例提出本发明行人检测方法的第五实施例，在本实施例中，参照图5，所述步骤S30之后，所述行人检测方法还包括：

步骤S70，在车辆行驶过程中，若检测到行人图像中的行人离当前车辆的距离小于预设阈值，则输出预设的告警信息。

在本实施例中，在车辆行驶过程中，在检测到行人图像中的行人离当前车辆的距离小于预设阈值时，可以理解的是，所述预设阈值根据具体需要进行设置，例如，当车辆的行驶速度较高如60公里每小时，则所述预设阈值可为10米，如当车辆的行驶速度较低如30公里每小时，则所述预设阈值可为5米等等。当行人离当前车辆的距离小于预设阈值时，优选输出预设的告警信息，如发出警鸣声、或者通过所述车辆预设的LED灯发出闪烁信号等等。进一步地，还可根据车辆当前的行驶速度以及所述距离，确定是否要进行降速操作，若所述当前的行驶速度以及所述距离可能会出现危险事故，则可根据当前的行驶速度以及所述距离将所述车辆降低至相应的安全行驶速度，其中所述距离越小，所述安全行驶速度越低。

本发明进一步提供一种行人检测装置。

参照图6，图6为本发明行人检测装置第一实施例的功能模块示意图。

需要强调的是，对本领域的技术人员来说，图6所示功能模块图仅仅是一个较佳实施例的示例图，本领域的技术人员围绕图6所示的行人检测装置的功能模块，可轻易进行新的功能模块的补充；各功能模块的名称是自定义名称，仅用于辅助理解该行人检测装置的各个程序功能块，不用于限定本发明的技术方案，本发明技术方案的核心是，各自定义名称的功能模块所要达成的功能。

本实施例提出一种行人检测装置，所述行人检测装置包括：

采集模块10，用于采集车辆行驶过程中的前方图像；

在本实施例中，通过所述采集模块10采集行驶过程中的前方图像，所述采集模块10可为前景摄像机或全景摄像机，所述摄像机的摄像头可为CCD(ChargecoupledDevice，电荷耦合元件)摄像头或CMOS(ComplementaryMetalOxideSemiconductor，互补金属氧化物半导体)摄像头。所述采集模块10采集的前方图像优选离车辆摄像机预设距离内的图像，如距离车辆50米的前方图像。进一步地，采集到所述前方图像后，对采集的所述前方图像进行适当处理，如根据显示的需要，将所述图像转换为单通道灰度图像等等。

提取模块20，用于提取所述前方图像中的感兴趣区域；

在本实施例中，所述采集模块10采集到所述前方图像后，所述提取模块20可基于采集的实时图像中行人可能发生碰撞的位置信息进行估计，对部分不可能出现行人及行人不处于危险区域的图像不计入检测，例如去除图像的上下部分像素的天空和地面场景，以及图像左右部分像素的道路两边场景，从而得到行人的感兴趣区域。所述感兴趣区域(RegionsofInterest，ROI))的检测方法包括运动检测方法、基于形状检测方法以及区域阈值化方法。例如，所述运动检测方法通过检测前方图像中的运动信息，结合光流分析的运动检测来进行感兴趣区域的分割，即基于相同颜色像素小区域连贯运动，每个像素点都被赋予了一个属于某给定小区域的可能概率，而且每个小区域的移动都被按照运动的概率模型进行分类以准备下一阶段的行人识别，通过唯一的有着连贯一致性运动的区域，然后基于帧间分析对一个直线路径进行投票，只有在一组帧中检测到一个规则的轨迹，才认为找到一个行人，并以此得到感兴趣区域。进一步地，还可通过一个过零点检测算法，利用了过去6帧中的历史像素值的时空高斯卷积，再通过利用扩展的二阶卡尔曼滤波器处理遮挡，所述提取模块20获得感兴趣区域。

检测模块30，用于利用预设的行人分类器检测所述感兴趣区域，得到所述感兴趣区域中的行人图像。

在本实施例中，所述检测模块30利用预设的行人分类器检测所述感兴趣区域，所述检测模块30检测所述感兴趣区域优选包括：1)利用所述行人分类器在线检测所述感兴趣区域；2)通过多帧校验方法筛选行人分类器的检测结果。所述通过多帧校验方法筛选行人分类器的检测结果是，保留连续多帧图像中均出现的同一目标且被行人分类器连续检测为行人的结果，去除连续多帧图像中均出现的同一目标且被行人分类器连续判断为非行人的结果。最终，根据检测结果，得到所述感兴趣区域中的行人图像。所述行人分类器优选包括Adaboost迭代算法分类器、SVM(SupportVectorMachine，支持向量机)分类器。

本实施例提出的行人检测装置，在车辆行驶过程中，先采集车辆的前方图像，然后提取所述前方图像中的感兴趣区域，再通过预设行人分类器对所述感兴趣区域进行检测，得到所述感兴趣区域中的行人图像，而不是只能通过人为确定车辆前方的行人，本方案对采集的前方图像分析提取感兴趣区域，并根据预设行人分类器对所述感兴趣区域进行检测得到对应的行人图像，实现了车辆行驶过程中，自动对道路上的行人进行检测。

进一步地，为提高行人检测的准确性，基于第一实施例提出本发明行人检测装置的第二实施例，在本实施例中，参照图7，所述提取模块20包括：

第一处理单元21，用于对采集的所述前方图像进行滤波处理，得到处理后的图像；

第二处理单元22，用于对处理后的所述图像进行区域阈值化，得到感兴趣区域。

在本实施例中，所述采集模块10采集到前方图像后，所述第一处理单元21先通过滤波处理的方法去除前方图像的噪声和噪点干扰，然后所述第二处理单元22对处理后的图像进行区域阈值化，值得阈值化图像，所述区域阈值化方法优选为：根据所述前方图像中每个像素水平领域的像素灰度值的统计特征确定划分阈值，对输入图像进行二值化处理得到二值图像；再通过形态学腐蚀运算滤除二值图像中的噪点像素，并运用形态学膨胀运算填补弱连接区域，最后提取所述二值图像中的所有连通区域作为感兴趣区域。

进一步地，为提高行人检测的准确性，基于第一实施例提出本发明行人检测装置的第三实施例，在本实施例中，参照图8，所述提取模块30包括：

增强单元31，用于通过自适应直方图均衡化的方法增强所述感兴趣区域与背景区域的对比度，得到行人区域图像；

在本实施例中，在所述采集模块10采集到所述感兴趣区域后，优选所述增强单元31通过适应直方图均衡化的方法增强所述感兴趣区域与背景区域的对比度，并根据所述感兴趣区域与背景区域的亮度差异，确定所述感兴趣区域与背景区域的边界轮廓，最后根据所述感兴趣区域的边界轮廓获取行人区域图像，可以理解的是，也可通过边缘检测算法进行边缘处理或动态双阈值方法进行二值化处理，增强所述感兴趣区域与背景区域之间亮度差异，根据所述亮度差异确定边界轮廓，并根据所述边界轮廓获取所述行人区域图像。

获取单元32，用于通过所述行人分类器检测所述行人区域图像，获取所述行人分类器中与所述行人区域图像对应的行人样本；

确定单元33，用于根据获取的所述行人样本确定所述行人区域图像中的行人图像。

在本实施例中，通过预设的行人分类器检测所述行人区域图像，所述检测方式为：将所述行人分类器中的各个行人样本与所述行人区域图像进行比对，并在检测到所述行人分类器中与所述行人区域图像匹配的行人样本时，所述获取单元32将所述检测到的行人样本作为检测结果，所述确定单元33根据所述检测结果确定所述行人区域图像中的行人图像。

进一步地，为提高行人检测的灵活性，基于第一、第二或第三实施例提出本发明行人检测装置的第四实施例，在本实施例中，参照图9，所述行人检测装置还包括：

获取模块40，用于获取所述行人图像作为行人样本；

加入模块50，用于将获取的所述行人样本加入训练样本集；

训练模块60，用于利用所述训练样本集训练所述行人分类器，得到更新后的行人分类器。

在本实施例中，所述获取模块40先获取所述行人图像作为行人样本，然后所述加入模块50将获取的所述行人样本加入训练样本集，最后，所述训练模块60利用所述训练样本集训练所述行人分类器，得到更新后的行人分类器。实现在行人检测过程中，所述加入模块50可将所述获取模块40实时获取的行人图像加入训练样本集，并且所述训练模块60根据训练样本集训练行人分类器，如Adaboost分类器或SVM分类器，最后，使得训练样本集中的行人样本数量更多，提高了行人检测的准确性。也就是为了在车辆行驶过程中，通过不断提取各种行人样本对行人分类器进行在线更新从而提高算法的适应性。

进一步地，为提高行人检测的灵活性，基于第一、第二或第三实施例提出本发明行人检测装置的第五实施例，在本实施例中，参照图10，所述行人检测装置还包括：

输出模块70，用于在车辆行驶过程中，若检测到行人图像中的行人离当前车辆的距离小于预设阈值，则输出预设的告警信息。

在本实施例中，在车辆行驶过程中，在检测到行人图像中的行人离当前车辆的距离小于预设阈值时，可以理解的是，所述预设阈值根据具体需要进行设置，例如，当车辆的行驶速度较高如60公里每小时，则所述预设阈值可为10米，如当车辆的行驶速度较低如30公里每小时，则所述预设阈值可为5米等等。当行人离当前车辆的距离小于预设阈值时，优选所述输出模块70输出预设的告警信息，如发出警鸣声、或者通过所述车辆预设的LED灯发出闪烁信号等等。进一步地，还可根据车辆当前的行驶速度以及所述距离，确定是否要进行降速操作，若所述当前的行驶速度以及所述距离可能会出现危险事故，则可根据当前的行驶速度以及所述距离将所述车辆降低至相应的安全行驶速度，其中所述距离越小，所述安全行驶速度越低。

需要说明的是，在本文中，术语“包括”、“包含”或者其任何其它变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素，而且还包括没有明确列出的其它要素，或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。

上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本发明各个实施例所述的方法。

以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其它相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (10)

1.一种行人检测方法，其特征在于，所述行人检测方法包括以下步骤：

采集车辆行驶过程中的前方图像；

提取所述前方图像中的感兴趣区域；

利用预设的行人分类器检测所述感兴趣区域，得到所述感兴趣区域中的行人图像。

2.如权利要求1所述的行人检测方法，其特征在于，所述提取所述前方图像中的感兴趣区域的步骤包括：

对采集的所述前方图像进行滤波处理，得到处理后的图像；

对处理后的所述图像进行区域阈值化，得到感兴趣区域。

3.如权利要求1所述的行人检测方法，其特征在于，所述利用预设的行人分类器检测所述感兴趣区域，得到所述感兴趣区域中的行人图像的步骤包括：

通过自适应直方图均衡化的方法增强所述感兴趣区域与背景区域的对比度，得到行人区域图像；

通过所述行人分类器检测所述行人区域图像，获取所述行人分类器中与所述行人区域图像对应的行人样本；

根据获取的所述行人样本确定所述行人区域图像中的行人图像。

4.如权利要求1-3任一项所述的行人检测方法，其特征在于，所述利用预设的行人分类器检测所述感兴趣区域，得到所述感兴趣区域中的行人图像的步骤之后，所述行人检测方法包括：

获取所述行人图像作为行人样本；

将获取的所述行人样本加入训练样本集；

利用所述训练样本集训练所述行人分类器，得到更新后的行人分类器。

5.如权利要求1-3任一项所述的行人检测方法，其特征在于，所述利用预设的行人分类器检测所述感兴趣区域，得到所述感兴趣区域中的行人图像的步骤之后，所述行人检测方法还包括：

在车辆行驶过程中，若检测到行人图像中的行人离当前车辆的距离小于预设阈值，则输出预设的告警信息。

6.一种行人检测装置，其特征在于，所述行人检测装置包括：

采集模块，用于采集车辆行驶过程中的前方图像；

提取模块，用于提取所述前方图像中的感兴趣区域；

检测模块，用于利用预设的行人分类器检测所述感兴趣区域，得到所述感兴趣区域中的行人图像。

7.如权利要求6所述的行人检测装置，其特征在于，所述提取模块包括：

第一处理单元，用于对采集的所述前方图像进行滤波处理，得到处理后的图像；

第二处理单元，用于对处理后的所述图像进行区域阈值化，得到感兴趣区域。

8.如权利要求6所述的行人检测装置，其特征在于，所述检测模块包括：

增强单元，用于通过自适应直方图均衡化的方法增强所述感兴趣区域与背景区域的对比度，得到行人区域图像；

获取单元，用于通过所述行人分类器检测所述行人区域图像，获取所述行人分类器中与所述行人区域图像对应的行人样本；

确定单元，用于根据获取的所述行人样本确定所述行人区域图像中的行人图像。

9.如权利要求6-8任一项所述的行人检测装置，其特征在于，所述行人检测装置还包括：

获取模块，用于获取所述行人图像作为行人样本；

加入模块，用于将获取的所述行人样本加入训练样本集；

训练模块，用于利用所述训练样本集训练所述行人分类器，得到更新后的行人分类器。

10.如权利要求6-8任一项所述的行人检测装置，其特征在于，所述行人检测装置还包括：

输出模块，用于在车辆行驶过程中，若检测到行人图像中的行人离当前车辆的距离小于预设阈值，则输出预设的告警信息。