智能視頻處理系統(tǒng)在安全駕駛中的應(yīng)用研究.pdf

1、智能視頻汽車輔助駕駛系統(tǒng)即智能視頻技術(shù)在汽車駕駛上的應(yīng)用。經(jīng)過多年的研究,該項技術(shù)的主要難點(diǎn)是在動態(tài)背景下對物體的檢測以及跟蹤。而本文的主要研究工作也是集中在目標(biāo)檢測和跟蹤上的,具體的檢測跟蹤目標(biāo)就是道路上的行人和車輛。
　　本文的主要研究內(nèi)容包含以下幾方面:
　　首先,深入研究分析目標(biāo)檢測理論,對目前現(xiàn)有的目標(biāo)檢測算法進(jìn)行仔細(xì)深入研究。同時對各種檢測算法歸類研究、分析其原理并通過具體的實驗驗證算法的優(yōu)缺點(diǎn)、優(yōu)劣性以及適用的

2、條件?？偨Y(jié)各類檢測算法得出,本文對于行人的檢測存在以下困難:①是本文的行人檢測是在動態(tài)背景下的檢測。②人是一個非剛性的物體,路面上的行人的形態(tài)是各式各樣的,例如人的服裝的顏色、人的姿態(tài)、成人與兒童的差別、還有人和人或者人和車之間的相互遮擋干擾。由于這些原因不能建立一個統(tǒng)一的模型來檢測,使行人正確快速檢測變的十分困難③由于實際的需要,本文對檢測的魯棒性和實時性要求很高,而大多檢測算法計算量都很大難以實現(xiàn)實時檢測。本文提出一種基于HOG(方

3、向梯度直方圖)統(tǒng)計的方法,加上后期機(jī)器自主學(xué)習(xí)實現(xiàn)行人的快速檢測。其中將人臉檢測中的 Boosted Cascad算法,引入到行人檢測中來。應(yīng)用了 Boosted Cascad中級聯(lián)結(jié)構(gòu)的分類器和基于Adaboost的學(xué)習(xí)算法,大大加快了行人檢測速度。并通過實驗證明切實有效,單幀處理速度比原算法提高5倍。
　　其次,實現(xiàn)目標(biāo)檢測之后的任務(wù)就是對目標(biāo)實現(xiàn)跟蹤,對于物體的跟蹤仍然存在動態(tài)背景跟蹤和實時性要求高的兩大難題。本文參考sif