基于單目視覺的行人檢測(cè)算法研究與實(shí)現(xiàn).pdf

1、行人檢測(cè)是近年來智能車輛領(lǐng)域研究中備受關(guān)注的前沿方向，目前一些汽車生產(chǎn)廠商、大學(xué)和研究機(jī)構(gòu)相繼開展了行人檢測(cè)技術(shù)的研究。
　　本文介紹了行人檢測(cè)與識(shí)別的算法。在行人的檢測(cè)算法中，主要利用行人特征和運(yùn)動(dòng)的方法相結(jié)合來對(duì)行人進(jìn)行分割:(1)行人的運(yùn)動(dòng)方向和攝像頭成一定角度的時(shí)候，通過圖像相鄰幀之間的特征匹配，建立自運(yùn)動(dòng)補(bǔ)償模型，并基于此模型消除攝像機(jī)的運(yùn)動(dòng)，建立差分圖像，然后對(duì)差分圖像利用行人的邊緣對(duì)稱性和腿部的垂直特征進(jìn)行行人的分割

2、。(2)行人與攝像頭方向一致時(shí)，我們就可以直接利用行人的形狀特征，行人具有對(duì)稱性和腿部具有垂直性的特征，來對(duì)行人進(jìn)行分割。
　　在行人識(shí)別算法中，主要用支持向量機(jī)來對(duì)行人進(jìn)行識(shí)別。在本文中主要通過樣本的選擇和特征方面來提高對(duì)行人的識(shí)別率。對(duì)行人分類性能的主要影響因素有三點(diǎn):特征、樣本、分類算法:(1)特征方面主要利用HOG特征是由邊緣方向直方圖、SIFT算子和形狀紋理變形改進(jìn)而來的。它的主要思想是:目標(biāo)物體的局部外觀和形狀通?？梢?/p>

3、通過局部灰度直方圖或者邊緣方向的分布相當(dāng)好地表示出來。利用積分圖得到快速HOG特征，并在block遍歷的時(shí)候采用一定比例遍歷圖片。(2)對(duì)樣本進(jìn)行了標(biāo)定處理，并在訓(xùn)練的時(shí)候采用正負(fù)樣本1∶2的比例。(3)在分類算法中利用線性SVM分類器和快速HOG特征來對(duì)行人進(jìn)行識(shí)別。
　　在行人檢測(cè)算法評(píng)估中，主要攝錄的是遼寧省沈陽(yáng)市市內(nèi)各地段道路交通情景，涵蓋了較全面的道路情況和各種天氣情況，并進(jìn)行行人檢測(cè)算法測(cè)試，結(jié)果表明，本文提出的算法對(duì)