基于單目視覺的場景理解算法研究.pdf

1、隨著都市生活節(jié)奏的加快，汽車已成為人們生活的一部分，與此同時，交通事故發(fā)生的頻率也隨之上升，成為全球范圍內(nèi)普遍擔(dān)心的問題.安全輔助駕駛系統(tǒng)可以解決交通安全問題，道路場景理解是安全輔助駕駛重要組成部分，成為各國研究的重點.在分析總結(jié)國內(nèi)外各種場景理解檢測方法的基礎(chǔ)上，本文提出新的場景理解檢測算法.
　　本文研究道路場景算法.對道路場景圖像進行語義分割，將道路場景分為三類:天空、道路和障礙物.為了更準(zhǔn)確、快速標(biāo)注出場景圖像的類別，利用

2、極限學(xué)習(xí)機分類器(Extreme Learning Machine，ELM)對場景區(qū)域進行識別標(biāo)注.首先，對場景區(qū)域提取HOG(Histogram of Oriented Gradient，HOG)特征，利用BW方法降維，再用ELM分類器進行分類識別，離線訓(xùn)練三個ELM分類器（天空、路地、障礙物）;然后，識別出對應(yīng)場景的類別.雖然利用該方法對場景進行了語義標(biāo)注分割，但是檢測結(jié)果并不是令人滿意，為此本文將圖像中其他信息考慮到新的模型中，并

3、將分類器訓(xùn)練的結(jié)果作為初始類別標(biāo)記結(jié)果，應(yīng)用條件隨機場(Conditional Random Fields，CRFs)模型進行圖像分割標(biāo)注.
　　基于條件隨機場的圖像分割技術(shù)是近年來計算機視覺領(lǐng)域的研究熱點.該方法的核心思想在于構(gòu)造一個具有觀察數(shù)據(jù)的概率圖模型(Probabilistic Graphical Model，PGM)，給出一個對應(yīng)該圖結(jié)構(gòu)的勢函數(shù)，根據(jù)條件隨機場的學(xué)習(xí)與推斷方法，來得到使得概率最大的語義標(biāo)簽，作為最終的

4、標(biāo)記結(jié)果.該模型的新穎之處在于它將像素點的梯度特征、位置特征、對于車載視頻的前幀后幀關(guān)系以及邊緣信息考慮在模型中.并且將其作為最大團(clique)上的勢函數(shù)(Potential function)進行模型的建立.采用擬牛頓迭代法(Broyden Fletcher Goldfarb Shanno，BFGS)和環(huán)狀置信傳播(Loopy Belief Propagation，LBP)對模型分別進行訓(xùn)練和推斷.本文算法在公開數(shù)據(jù)集MSRC(M