近年來,汽車漸漸成為人們外出依賴的交通工具,隨著人工智能領(lǐng)域取得的重大進(jìn)步,智能輔助駕駛系統(tǒng)也越來越成為關(guān)注的熱點(diǎn)。行人檢測技術(shù)是汽車輔助駕駛不可或缺的一部分,及時(shí)、準(zhǔn)確地識(shí)別車輛前方的行人,可以有效地降低交通事故的發(fā)生。在實(shí)際應(yīng)用中,由于處在開放的環(huán)境中,在考慮行人的服飾、位姿、遮擋等因素的同時(shí),還要考慮路況變化和光線變化等影響,使得完善行人檢測技術(shù)仍是一個(gè)難題。因此,提高行人檢測算法的準(zhǔn)確性、實(shí)時(shí)性和魯棒性的是走向?qū)嶋H應(yīng)用的關(guān)鍵問題,具有深遠(yuǎn)的研究意義。本論文在國家重點(diǎn)研發(fā)計(jì)劃項(xiàng)目（2016YFB0101102）“電動(dòng)汽車智能輔助駕駛技術(shù)研發(fā)及產(chǎn)業(yè)化”的資助下,以室外行駛工況下的車輛以及車載相機(jī)為研究對(duì)象,主要研究如何通過視覺檢測以及跟蹤算法,實(shí)現(xiàn)車輛在各種運(yùn)動(dòng)模式下,均能夠?qū)崿F(xiàn)對(duì)影響行車的行人做出有效的檢測及跟蹤。通過行人檢測跟蹤系統(tǒng),來實(shí)現(xiàn)行車過程中的行人檢測以及跟蹤任務(wù)。本文通過大量的文獻(xiàn)以及實(shí)驗(yàn)主要完成了如下4個(gè)任務(wù):1)詳細(xì)介紹了輔助駕駛行人檢測跟蹤系統(tǒng)的研究背景、意義以及國內(nèi)外行人檢測跟蹤的技術(shù)的研究現(xiàn)狀。對(duì)行人特征進(jìn)行了進(jìn)一步深入研究,選取HOG特征和積分通道特征,經(jīng)... 

【文章頁數(shù)】：65 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
abstract
第1章 緒論
    1.1 課題研究背景及意義
    1.2 本文研究問題的國內(nèi)外現(xiàn)狀
        1.2.1 行人檢測研究現(xiàn)狀
        1.2.2 行人跟蹤研究現(xiàn)狀
    1.3 本文的主要內(nèi)容和結(jié)構(gòu)安排
        1.3.1 科研項(xiàng)目資助情況
        1.3.2 主要研究內(nèi)容和技術(shù)路線
        1.3.3 本文的結(jié)構(gòu)安排
第2章 行人特征描述
    2.1 顏色特征
        2.1.1 RGB顏色空間模型
        2.1.2 LUV顏色空間模型
    2.2 梯度特征
        2.2.1 梯度幅值
        2.2.2 HOG特征
    2.3 積分通道特征
        2.3.1 積分圖算法
        2.3.2 計(jì)算積分通道特征
    2.4 本章小結(jié)
第3章 行人檢測方法研究
    3.1 圖像金字塔
        3.1.1 圖像金字塔模型
        3.1.2 快速特征金字塔
        3.1.3 行人特征提取
    3.2 分類器設(shè)計(jì)
        3.2.1 SVM分類器
        3.2.2 HOG+SVM行人檢測
        3.2.3 Adaboost分類器
        3.2.4 ACF行人檢測
    3.3 窗口重疊現(xiàn)象的消除
    3.4 本章小結(jié)
第4章 行人跟蹤算法研究及實(shí)驗(yàn)
    4.1 跟蹤算法
        4.1.1 Mean Shift
        4.1.2 Cam Shift
        4.1.3 粒子濾波算法
        4.1.4 Kalman濾波跟蹤算法
    4.2 行人跟蹤實(shí)驗(yàn)結(jié)果與分析
        4.2.1 軟件界面設(shè)計(jì)
        4.2.2 行人漏檢情況
        4.2.3 行人誤檢情況
        4.2.4 多工況下行人檢測及跟蹤結(jié)果
        4.2.5 行人檢測及跟蹤方法的統(tǒng)計(jì)實(shí)驗(yàn)
    4.3 本章小結(jié)
第5章 總結(jié)
    5.1 全文研究工作總結(jié)
    5.2 下一步科研計(jì)劃安排
參考文獻(xiàn)
作者簡介及科研成果
致謝


【參考文獻(xiàn)】：
期刊論文
[1]雨天環(huán)境基于HOG-SIFT特征稀疏表示的行人檢測[J]. 陶春,陳淑榮.  微型機(jī)與應(yīng)用. 2017(07)
[2]應(yīng)用HOG-CHT組合特征的行人檢測[J]. 李永順,李垣江,張尤賽,王亞軍.  江蘇科技大學(xué)學(xué)報(bào)(自然科學(xué)版). 2017(01)
[3]密集人群場景下的行人檢測與跟蹤[J]. 曹瑞,王敏,段瀟瀟.  計(jì)算機(jī)與現(xiàn)代化. 2017(01)
[4]重要性采樣方法對(duì)蒙特卡羅計(jì)算效率的影響分析[J]. 呂景彬,郭衛(wèi)群,劉寶寶.  核動(dòng)力工程. 2016(04)
[5]運(yùn)動(dòng)目標(biāo)跟蹤綜述[J]. 曾巧玲,文貢堅(jiān).  重慶理工大學(xué)學(xué)報(bào)(自然科學(xué)). 2016(07)
[6]改進(jìn)積分通道特征的快速多尺度行人檢測[J]. 黃鵬,于鳳芹,陳瑩.  計(jì)算機(jī)工程與應(yīng)用. 2017(14)
[7]一種基于HOG與LSS融合的行人檢測算法[J]. 顧志航,陳淑榮.  微型機(jī)與應(yīng)用. 2016(08)
[8]激光與單目視覺融合的移動(dòng)機(jī)器人運(yùn)動(dòng)目標(biāo)跟蹤[J]. 苑晶,劉鋼墩,孫沁璇.  控制理論與應(yīng)用. 2016(02)
[9]基于幀間特征和連通域檢測的人數(shù)統(tǒng)計(jì)[J]. 朱家新,郭德全,蘭時(shí)勇.  計(jì)算機(jī)技術(shù)與發(fā)展. 2016(02)
[10]汽車智能輔助駕駛系統(tǒng)的發(fā)展與展望[J]. 郝俊.  科技與創(chuàng)新. 2015(24)

碩士論文
[1]基于車載攝像頭的行人檢測算法研究[D]. 劉廣峰.吉林大學(xué) 2018
[2]基于區(qū)域分類與目標(biāo)檢測相融合的交通場景分析[D]. 李午申.北京交通大學(xué) 2017
[3]基于粒子濾波目標(biāo)跟蹤算法研究[D]. 吳建偉.浙江理工大學(xué) 2014



本文編號(hào)：3686938