【摘要】：隨著人民生活水平的提高，機(jī)動(dòng)車輛日益增多，各種交通事故也頻繁出現(xiàn)。進(jìn)入新世紀(jì)以來(lái)，交通事故已經(jīng)成為一個(gè)相當(dāng)嚴(yán)重的社會(huì)問(wèn)題。行人是交通系統(tǒng)中的重要參與者，也是交通事故的主要受害者，對(duì)行人進(jìn)行保護(hù)的必要性顯而易見(jiàn)。本文中的行人檢測(cè)是指利用安裝在運(yùn)動(dòng)車輛上的攝像頭獲取車前面的視頻信息，然后對(duì)視頻序列進(jìn)行圖像處理，判斷是否有行人；若有，則確定行人的位置，，估計(jì)是否會(huì)出現(xiàn)潛在危險(xiǎn)，以便采取策略保護(hù)行人。 雖然行人檢測(cè)已經(jīng)被研究了十幾年，但目前仍沒(méi)有一個(gè)通用的、精確的、健壯的行人檢測(cè)算法，這是由行人姿態(tài)和服飾的多樣性，光線和背景變化的復(fù)雜性，以及人與環(huán)境之間的相互影響造成的。也因?yàn)槿绱�，行人檢測(cè)一直是機(jī)器視覺(jué)的一個(gè)研究重點(diǎn)和難點(diǎn)。 本文主要研究駕駛員輔助系統(tǒng)中基于單目攝像頭的行人檢測(cè)。首先針對(duì)車載攝像頭的特殊性，對(duì)輸入圖像幀進(jìn)行簡(jiǎn)單的ROI(Region Of Interest)分割，減少檢測(cè)區(qū)域，提高實(shí)時(shí)性；接著利用Haar特征和Adaboost級(jí)聯(lián)分類器提取行人的候選區(qū)域，這一步計(jì)算時(shí)間短但有較多誤檢，可根據(jù)行人垂直邊緣對(duì)稱性對(duì)候選區(qū)進(jìn)一步篩選；然后使用HOG特征和SVM算法對(duì)候選區(qū)域進(jìn)行行人驗(yàn)證；最后使用卡爾曼濾波以及模板匹配實(shí)現(xiàn)行人的跟蹤。 本文結(jié)合使用了多種特征以及多種分類器，取其所長(zhǎng)避其所短，較好地兼顧了檢測(cè)的準(zhǔn)確度和速度。實(shí)驗(yàn)結(jié)果表明，本文采用的方法可以檢測(cè)到圖像中多種姿態(tài)的行人，甚至小目標(biāo)行人，并且基本滿足實(shí)時(shí)要求，這對(duì)駕駛員輔助系統(tǒng)中行人檢測(cè)的研究具有一定的參考意義。
【圖文】：

針對(duì)DAS的簡(jiǎn)單ROI分割

獲取 111 幅 36×72 大小的路面圖片，包括有車道線的，有路面標(biāo)志的，并左右翻轉(zhuǎn)，共計(jì) 222 幅。 獲取 59 幅 36×72 大小的建筑物樣本，并左右翻轉(zhuǎn)，共計(jì) 118 幅。 獲取 220 幅 36×72 大小的路標(biāo)樣本，包括路牌、路燈、交通錐等，并左右翻轉(zhuǎn)，共計(jì) 440 幅。最終的負(fù)樣本一共 4958 幅。圖 2-5 給出了部分的訓(xùn)練樣本。a)正樣本
【學(xué)位授予單位】：華南理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2014
【分類號(hào)】：U495;TP391.41

【參考文獻(xiàn)】

相關(guān)期刊論文 前2條

1 吳良健;況璐;鄧慶林;劉海華;;基于Camshift和Kalman濾波結(jié)合的改進(jìn)多目標(biāo)跟蹤算法[J];現(xiàn)代科學(xué)儀器;2010年01期

2 孔凡芝,張興周,謝耀菊;基于Adaboost的人臉檢測(cè)技術(shù)[J];應(yīng)用科技;2005年06期

本文編號(hào)：2585661