基于視覺傳感器的行人檢測(cè)關(guān)鍵算法研究.pdf

1、本文提出一種聯(lián)合動(dòng)態(tài)和靜態(tài)特征的行人檢測(cè)方法，用于運(yùn)動(dòng)背景下的行人檢測(cè)。運(yùn)動(dòng)背景下檢測(cè)的難點(diǎn)在于背景與目標(biāo)的分離，本文方法采用一種改進(jìn)的二階差分光流算法Nagel-a計(jì)算圖像的光流場(chǎng)，該光流算法通過改進(jìn)速度場(chǎng)分量的拉普拉斯算子估計(jì)值，在求解速度場(chǎng)的迭代公式中引入前次迭代的速度分量，此舉抑制了光流場(chǎng)中邊界點(diǎn)對(duì)非邊界點(diǎn)的影響，提高了光流場(chǎng)對(duì)微弱運(yùn)動(dòng)的敏感性。文中方法從Nagel-a光流場(chǎng)中提取行人的運(yùn)動(dòng)學(xué)特征MBH(Motion bound

2、ary histograms)和IMH(Internal motionhistograms)，強(qiáng)化MBH和IMH特征向量中包含鑒別信息的有益冗余，提高了該特征的鑒別能力。實(shí)驗(yàn)中使用LIBSVM訓(xùn)練基于運(yùn)動(dòng)學(xué)特征的線性SVM(Support vectormachine)分類器，使用Mean shift算法優(yōu)化分類結(jié)果。實(shí)驗(yàn)在TUD數(shù)據(jù)庫上獲得98％的識(shí)別率，證明該方法可以在具備運(yùn)動(dòng)背景的圖像序列上獲得較出色的檢測(cè)效果。
　　針對(duì)現(xiàn)有

3、障礙物檢測(cè)和行人檢測(cè)方法計(jì)算復(fù)雜度較高的問題，本文提出一種新穎的針對(duì)車載系統(tǒng)的快速障礙物和行人檢測(cè)算法。該方法采用表面視差映射代替深度圖匹配，可以快速生成遮擋圖并在圖中提取包含障礙物和行人的感興趣區(qū)域。由于表面視差映射算法具備較低的計(jì)算復(fù)雜度，并且主要的計(jì)算任務(wù)在初始化階段完成，因此大幅提高了算法的整體效率。為了測(cè)試文中方法在真實(shí)路況中的可靠性，實(shí)驗(yàn)組在市區(qū)道路上利用車載攝像頭拍攝了包括六種常見路況條件下的視頻和圖像，整理并建立HENU

4、數(shù)據(jù)庫。實(shí)驗(yàn)證明本文提出的方法在柏油路面，草坪路面，泥土路面，上下坡，夜間道路和雨天道路環(huán)境下都具備較高的準(zhǔn)確度和可靠性。本文同時(shí)提出一種多尺度的行人檢測(cè)器，采用本文提出的增強(qiáng)的梯度方向直方圖作為分類器特征，檢測(cè)過程中不需要調(diào)整輸入圖像的尺寸，提高檢測(cè)效率的同時(shí)也顯著提高了檢測(cè)準(zhǔn)確率。實(shí)驗(yàn)在三個(gè)公開數(shù)據(jù)庫和HENU數(shù)據(jù)庫上證明本文提出的方法在消耗相同時(shí)間的前提下，性能要優(yōu)于現(xiàn)有的行人檢測(cè)器。更重要的，當(dāng)本文所提出的檢測(cè)器處理小尺度行人目

5、標(biāo)時(shí)，檢測(cè)性能會(huì)較原尺度進(jìn)一步提高。
　　本文針對(duì)紅外圖像的特點(diǎn)和行人的形狀特征提出一種快速高效的紅外行人檢測(cè)算法。算法采用基于對(duì)比度直方圖的方法提取紅外圖像的顯著性映射圖，按照顯著值分布和局部鄰域尺寸提取圖像中的關(guān)注點(diǎn)，根據(jù)關(guān)注點(diǎn)的顯著值計(jì)算自適應(yīng)閾值分割紅外圖像中的行人目標(biāo)。
　　本文針對(duì)行人姿勢(shì)的多樣性，結(jié)合樣本先驗(yàn)概率構(gòu)建基于形狀的級(jí)聯(lián)人體模板匹配樹，在根據(jù)顯著性關(guān)注點(diǎn)理論分割后的紅外圖像上依據(jù)模板的匹配結(jié)果驗(yàn)證待檢