面向行人檢測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，車載行人檢測技術(shù)已成為目前國內(nèi)外智能交通領(lǐng)域公認的一個研究熱點。它是通過車載的自動監(jiān)視系統(tǒng)，對汽車前方交通場景中的行人進行自動實時檢測，根據(jù)檢測結(jié)果對駕駛者提供輔助決策，以保護行人安全。 近年來，國內(nèi)外在車載行人檢測方面已取得了顯著進步，但多數(shù)工作集中于分類機制或檢測算法的設(shè)計優(yōu)化上，而對于特征處理關(guān)鍵技術(shù)的研究還相對較少。由于分類算法的不斷優(yōu)化，檢測過程變

2、得復(fù)雜耗時，因此從這方面來改進系統(tǒng)的檢測性能逐步陷入瓶頸。而另一方面，特征處理關(guān)鍵技術(shù)仍有很大的改進空間；這一思路可以從獲得優(yōu)質(zhì)特征方面提高檢測率，降低檢測技術(shù)的復(fù)雜性，提高檢測速度，從而進一步改善檢測系統(tǒng)的整體性能。因此，如何獲得一個最具代表性的行人特征子集成為改進系統(tǒng)檢測性能的關(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用價值。 本文以基于視覺的行人檢測系統(tǒng)為研究背景，針對行人多樣性和場景混亂多變等特殊性和

3、難點，面向當前兩種主流檢測技術(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，在檢測速度和準確性上取得很好平衡： (1)針對模板匹配型行人檢測系統(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。該算法通過改進的非線性學習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

4、準確率和速度。 (2)針對分類型行人檢測系統(tǒng)中行人多樣和場景復(fù)雜導致冗余或無關(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來指導遺傳搜索，最終獲得具有高可分性的、用于分類的代表性特征子集，用于準確實時行人檢測。 為了驗證所提出的代表性特征子集獲取算法的有效性，本文設(shè)計了各種對比實驗，實驗結(jié)果表明：本文方法生成的代表性特征子集在行人檢測上優(yōu)于其他特征集，使用