基于視覺的行人與二輪車輛檢測算法的研究與實現(xiàn).pdf

1、飛速發(fā)展的科學技術(shù)給人們的工作和生活帶來了極大的便利，使得人們得以從繁重的體力勞動中解放出來，尤其是交通工具的出現(xiàn)，使得古人日行千里的愿望不再是神話，極大地提高了人們的出行質(zhì)量。然而交通工具在方便了人們出行的同時，也帶來了很多的交通問題，主要原因在于現(xiàn)在道路上的車輛越來越多，而道路擴建與增加的數(shù)量卻遠遠不及車輛增長的數(shù)量。交通日益擁擠，由此產(chǎn)生的交通事故的數(shù)量日益增多。由于道路上的主要參與者是行人與車輛，所以行人和行車的安全問題已經(jīng)成為

2、一個無法忽視的社會問題。出于對行人、車輛和駕駛員的安全考慮，在交通事故將要發(fā)生時，能夠有警報及時提醒駕駛員，對于避免交通事故的發(fā)生是相當重要的。
　　本文對基于單目視覺的行人和二輪車輛檢測與跟蹤算法進行了研究和實現(xiàn)。在真實的道路環(huán)境中，包含的車輛種類極多，有自行車、摩托車、電動車、轎車、大型貨車等，而本文主要在研究行人檢測的基礎(chǔ)上對騎二輪車輛行人進行了更深層次的研究。騎二輪車輛行人的特征中既包含步行行人的部分特征又包含更加復雜的車

3、輛特征，同時它的速度也比行人快很多，因此，對騎二輪車輛行人的研究也具有重要的意義，本文以摩托車為例進行研究和實驗，因為在二輪車輛中摩托車的結(jié)構(gòu)最復雜、速度最快、也最易造成交通事故的發(fā)生。
　　本文主要完成的研究與實現(xiàn):首先，對采集到的視頻進行一系列處理，包括圖像變換、邊緣檢測、去除噪聲等;其次，通過采集正樣本和負樣本進行級聯(lián)分類器的訓練，得到最終的分類器模型文件;然后，采用分類器對目標進行識別，在原算法中加入了對車輪的檢測和判斷來

4、提高檢測的準確率;最后，對于無法檢測到的目標進行跟蹤和預測。為了提高識別的準確度、系統(tǒng)的實時性、減小目標受到遮擋及噪聲等負面因素的影響，本文采用了車輪檢測和改進的AdaBoost算法相結(jié)合的方法對目標進行識別、CamShift和Kalman濾波相結(jié)合的方法對目標進行跟蹤和預測。
　　實驗結(jié)果表明:本文提出的方法能夠很好的對行人和二輪車輛進行識別和跟蹤，系統(tǒng)的實時性和識別的準確率都有了提高，尤其在不同環(huán)境下算法的魯棒性較好。