Snake模型及立體視覺在行人檢測中的應(yīng)用研究.pdf

1、隨著我國經(jīng)濟(jì)的高速發(fā)展，由汽車數(shù)量增多而引發(fā)的交通事故居高不下。為此，提高汽車智能化程度迫在眉睫?；谝曈X的行人檢測是智能車輛及安全輔助駕駛系統(tǒng)的核心內(nèi)容,由于它對(duì)安全駕駛及行人生命財(cái)產(chǎn)的保護(hù)有重要意義，已成為智能車輛、計(jì)算機(jī)視覺和模式識(shí)別等領(lǐng)域的前沿研究課題。
　　行人檢測主要有ROI分割及目標(biāo)識(shí)別兩個(gè)階段。在ROI分割階段，確定了基于立體視覺的ROI分割方案；在目標(biāo)識(shí)別階段，確定了以目標(biāo)輪廓曲線為特征的統(tǒng)計(jì)學(xué)習(xí)方法。在行人檢測

2、實(shí)現(xiàn)過程中，主要工作內(nèi)容如下：
　　1、建立了基于立體視覺的ROI分割策略：首先提取立體圖像的視差圖，然后將其投影至XZ平面，并在該平面中完成對(duì)目標(biāo)的初次分割，最后將分割結(jié)果反向投影至原視圖或視差圖，從而完成對(duì)ROI的分割。
　　2、在視差提取過程，運(yùn)用了一種基于邊緣索引的立體匹配法，通過和基于區(qū)域的立體匹配法進(jìn)行對(duì)比，驗(yàn)證了該法在目標(biāo)分割過程具有更好的效果。
　　3、在目標(biāo)初始分割過程中，為了去除路面目標(biāo)（如路面標(biāo)線

3、、陰影、路面雜物等）以及高空物體（如樹木等）給目標(biāo)分割帶來的影響，提出了基于高程的深度平面目標(biāo)分割法。
　　4、確定了以目標(biāo)輪廓曲線為特征的行人識(shí)別方法，并構(gòu)建了以ROI分割階段所得到的基于邊緣視差的分割區(qū)域?yàn)榛A(chǔ)的Snake模型輪廓曲線提取策略。
　　5、利用Matlab分別對(duì)各種Snake模型進(jìn)行了測試，對(duì)比和分析了多類Snake模型在輪廓提取中的優(yōu)缺點(diǎn)，并針對(duì)GVF模型在輪廓提取中的計(jì)算復(fù)雜度高、初始輪廓設(shè)置困難、抗噪