面向行人檢測(cè)的代表性特征子集獲取方法研究.pdf

1、城市交通中行人交通安全問題逐年惡化。為了保障行人交通安全，減少交通事故，車載行人檢測(cè)技術(shù)已成為目前國內(nèi)外智能交通領(lǐng)域公認(rèn)的一個(gè)研究熱點(diǎn)。它是通過車載的自動(dòng)監(jiān)視系統(tǒng)，對(duì)汽車前方交通場(chǎng)景中的行人進(jìn)行自動(dòng)實(shí)時(shí)檢測(cè)，根據(jù)檢測(cè)結(jié)果對(duì)駕駛者提供輔助決策，以保護(hù)行人安全。 近年來，國內(nèi)外在車載行人檢測(cè)方面已取得了顯著進(jìn)步，但多數(shù)工作集中于分類機(jī)制或檢測(cè)算法的設(shè)計(jì)優(yōu)化上，而對(duì)于特征處理關(guān)鍵技術(shù)的研究還相對(duì)較少。由于分類算法的不斷優(yōu)化，檢測(cè)過程變

2、得復(fù)雜耗時(shí)，因此從這方面來改進(jìn)系統(tǒng)的檢測(cè)性能逐步陷入瓶頸。而另一方面，特征處理關(guān)鍵技術(shù)仍有很大的改進(jìn)空間；這一思路可以從獲得優(yōu)質(zhì)特征方面提高檢測(cè)率，降低檢測(cè)技術(shù)的復(fù)雜性，提高檢測(cè)速度，從而進(jìn)一步改善檢測(cè)系統(tǒng)的整體性能。因此，如何獲得一個(gè)最具代表性的行人特征子集成為改進(jìn)系統(tǒng)檢測(cè)性能的關(guān)鍵，代表性特征獲取方法的研究具有重要的理論研究意義和很高的實(shí)用價(jià)值。 本文以基于視覺的行人檢測(cè)系統(tǒng)為研究背景，針對(duì)行人多樣性和場(chǎng)景混亂多變等特殊性和

3、難點(diǎn)，面向當(dāng)前兩種主流檢測(cè)技術(shù)提出了解決方法，以獲取行人代表性特征子集用于行人檢測(cè)，在檢測(cè)速度和準(zhǔn)確性上取得很好平衡： (1)針對(duì)模板匹配型行人檢測(cè)系統(tǒng)中的行人形狀多樣性和行人形狀模板不宜過多的沖突問題，本文提出了一種基于改進(jìn)的局部線性嵌入算法的代表性行人形狀特征子集生成算法。該算法通過改進(jìn)的非線性學(xué)習(xí)算法得到行人形狀的低維本征表示，再由聚類算法和徑向基函數(shù)網(wǎng)絡(luò)生成一個(gè)較小的代表性行人形狀模板子集用于模板匹配，可以有效地平衡檢測(cè)

4、準(zhǔn)確率和速度。 (2)針對(duì)分類型行人檢測(cè)系統(tǒng)中行人多樣和場(chǎng)景復(fù)雜導(dǎo)致冗余或無關(guān)信息過多等問題，本文提出了一種基于核主成分分析并結(jié)合遺傳搜索的代表性特征子集選擇算法。該算法使用線性支持向量機(jī)來指導(dǎo)遺傳搜索，最終獲得具有高可分性的、用于分類的代表性特征子集，用于準(zhǔn)確實(shí)時(shí)行人檢測(cè)。 為了驗(yàn)證所提出的代表性特征子集獲取算法的有效性，本文設(shè)計(jì)了各種對(duì)比實(shí)驗(yàn)，實(shí)驗(yàn)結(jié)果表明：本文方法生成的代表性特征子集在行人檢測(cè)上優(yōu)于其他特征集，使用