道路移動(dòng)視覺(jué)環(huán)境感知中的多目標(biāo)識(shí)別與跟蹤方法研究.pdf

1、隨著城鎮(zhèn)化和機(jī)動(dòng)化的快速發(fā)展，機(jī)動(dòng)車(chē)保有量迅速增長(zhǎng)，交通事故頻發(fā)，給社會(huì)帶來(lái)了巨大的能源浪費(fèi)、環(huán)境污染和經(jīng)濟(jì)損失。目前，道路交通事故已成為全球范圍內(nèi)日益嚴(yán)重的公共安全問(wèn)題?；谝曈X(jué)的車(chē)輛環(huán)境感知系統(tǒng)，通過(guò)實(shí)時(shí)獲取前方車(chē)輛、行人、車(chē)道線偏離等信息，可為駕駛員提供車(chē)輛環(huán)境預(yù)警和輔助駕駛指令，因而可以避免一定交通事故的發(fā)生。移動(dòng)目標(biāo)檢測(cè)與跟蹤是車(chē)輛環(huán)境感知的前提和關(guān)鍵。經(jīng)過(guò)多年的發(fā)展，國(guó)內(nèi)外已在移動(dòng)視覺(jué)目標(biāo)檢測(cè)與跟蹤方面做了大量的研究。盡管已

2、有研究在簡(jiǎn)單場(chǎng)景下的單目標(biāo)檢測(cè)與跟蹤方面已取得良好的效果，但對(duì)于復(fù)雜場(chǎng)景以及多個(gè)目標(biāo)特別是對(duì)多類(lèi)目標(biāo)的檢測(cè)與跟蹤技術(shù)還不成熟。因此，研究復(fù)雜場(chǎng)景下的多目標(biāo)檢測(cè)與跟蹤算法已經(jīng)成為了國(guó)內(nèi)外研究熱點(diǎn)和難點(diǎn)。鑒于此，本文針對(duì)城區(qū)復(fù)雜環(huán)境下的多類(lèi)目標(biāo)檢測(cè)與跟蹤問(wèn)題進(jìn)行了深入的研究，探討了城區(qū)環(huán)境下對(duì)車(chē)輛、行人、騎車(chē)人等多類(lèi)目標(biāo)的檢測(cè)與跟蹤方法，提出了一種較為實(shí)用的算法并進(jìn)行了算法集成，實(shí)現(xiàn)了復(fù)雜工況下的多類(lèi)目標(biāo)檢測(cè)與跟蹤任務(wù)。論文的具體研究?jī)?nèi)容及

3、研究成果如下:
　　(1)論文首先介紹了智能車(chē)輛在國(guó)內(nèi)外的研究進(jìn)展，并針對(duì)車(chē)載視覺(jué)環(huán)境感知中的目標(biāo)檢測(cè)關(guān)鍵技術(shù)及目標(biāo)跟蹤關(guān)鍵技術(shù)的研究現(xiàn)狀進(jìn)行了綜述;針對(duì)現(xiàn)有方法的不足，提出了本文需要改進(jìn)的方向與思路;在此基礎(chǔ)上，提出了本文的研究?jī)?nèi)容和技術(shù)路線。
　　(2)論文對(duì)車(chē)輛輔助駕駛系統(tǒng)及智能視覺(jué)理論進(jìn)行了分析與研究。針對(duì)本文的應(yīng)用環(huán)境，重點(diǎn)分析了車(chē)輛輔助駕駛的通用技術(shù)框架及理論基礎(chǔ)，提出了基于單目視覺(jué)進(jìn)行車(chē)輛輔助駕駛系統(tǒng)設(shè)計(jì)的基本

4、思路和技術(shù)框架，并對(duì)機(jī)器視覺(jué)技術(shù)的理論框架和特點(diǎn)進(jìn)行了分析;在四種典型機(jī)器視覺(jué)理論基礎(chǔ)之上，構(gòu)建了基于面向應(yīng)用的改進(jìn)計(jì)算視覺(jué)理論模型的單目視覺(jué)輔助駕駛結(jié)構(gòu)框架，為實(shí)現(xiàn)基于單目移動(dòng)視覺(jué)的復(fù)雜道路交通環(huán)境下對(duì)車(chē)輛、行人等重點(diǎn)交通目標(biāo)的檢測(cè)跟蹤奠定了理論基礎(chǔ)。
　　(3)論文對(duì)復(fù)雜場(chǎng)景下的多類(lèi)目標(biāo)的檢測(cè)與識(shí)別算法進(jìn)行了研究。首先，論文對(duì)傳統(tǒng)的目標(biāo)檢測(cè)特征進(jìn)行了分析。通過(guò)特征比選發(fā)現(xiàn)，統(tǒng)計(jì)特征以及組合特征能對(duì)復(fù)雜環(huán)境具有較好的魯棒性。鑒于

5、對(duì)檢測(cè)精度和檢測(cè)效率平衡的考慮，論文提出了基于Harr與HOG組合特征的兩步目標(biāo)檢測(cè)算法。Harr特征對(duì)目標(biāo)邊緣和線段具有很好的描述，因而能夠較好實(shí)現(xiàn)初步前景目標(biāo)（目標(biāo)ROI區(qū)域）的提取任務(wù)。同時(shí)，HOG特征對(duì)目標(biāo)的局部信息具有很強(qiáng)的描述，對(duì)復(fù)雜環(huán)境有較好的魯棒性。因此，在前景ROI區(qū)域提取的基礎(chǔ)上，論文提出了采用HOG+SVM的方法進(jìn)行目標(biāo)的精確提取的方法。這種基于組合特征的分層檢測(cè)策略，解決了檢測(cè)精度和檢測(cè)效率平衡的問(wèn)題，保證了系統(tǒng)

6、的實(shí)用性，能較好地完成城市區(qū)域復(fù)雜環(huán)境下的人車(chē)等多類(lèi)目標(biāo)檢測(cè)問(wèn)題。
　　(4)論文對(duì)基于數(shù)據(jù)關(guān)聯(lián)的多目標(biāo)跟蹤算法進(jìn)行了深入的研究。首先，論文分別對(duì)光流法、Kalman濾波算法以及均值漂移算法在目標(biāo)跟蹤的應(yīng)用進(jìn)行了介紹，發(fā)現(xiàn)了這類(lèi)方法在解決多類(lèi)目標(biāo)跟蹤時(shí)存在的問(wèn)題。其次，論文對(duì)基于數(shù)據(jù)關(guān)聯(lián)的經(jīng)典算法，如最近鄰數(shù)據(jù)關(guān)聯(lián)算法(NNDA)、概率數(shù)據(jù)關(guān)聯(lián)算法(PDA)、聯(lián)合概率數(shù)據(jù)關(guān)聯(lián)算法(JPDA)以及基于多目標(biāo)假設(shè)的跟蹤算法（MHT）的

7、理論進(jìn)行了介紹，并分析了每類(lèi)方法的優(yōu)缺點(diǎn);基于此，提出了本文的多目標(biāo)假設(shè)跟蹤算法，即基于部分確定軌跡的多目標(biāo)假設(shè)跟蹤算法(PDT/MHT)，重點(diǎn)在影響算法復(fù)雜度的假設(shè)生成及剪枝方面進(jìn)行了改進(jìn)，并提出了采用隸屬度矩陣形式進(jìn)行假設(shè)概率的計(jì)算。最后，論文針對(duì)采集的北京多條道路的視頻進(jìn)行了驗(yàn)證分析，驗(yàn)證結(jié)果表明了本文算法可對(duì)多目標(biāo)實(shí)現(xiàn)可靠和穩(wěn)定的跟蹤。
　　(5)論文對(duì)基于“假設(shè)+確認(rèn)”策略的系統(tǒng)集成方法與實(shí)驗(yàn)結(jié)果進(jìn)行了分析。首先，為了從

8、整體角度提高檢測(cè)與跟蹤的性能，論文提出了一個(gè)基于“假設(shè)+確認(rèn)”框架的系統(tǒng)集成方法。該方法將目標(biāo)檢測(cè)結(jié)果僅作為一個(gè)暫定目標(biāo)，經(jīng)過(guò)一定時(shí)間的連續(xù)跟蹤，當(dāng)滿足一定條件時(shí)予以目標(biāo)確認(rèn)，這種持續(xù)的跟蹤結(jié)果提供一種反饋信息，因而可減少系統(tǒng)的誤檢率，并對(duì)復(fù)雜的外部環(huán)境有一定的容忍度。其次，為了驗(yàn)證該系統(tǒng)的運(yùn)行情況，論文針對(duì)不同道路環(huán)境進(jìn)行了實(shí)測(cè)分析，并對(duì)各自的實(shí)驗(yàn)結(jié)果進(jìn)行了統(tǒng)計(jì)。結(jié)果表明，本文的多目標(biāo)檢測(cè)與跟蹤算法，能夠?qū)崿F(xiàn)對(duì)城市復(fù)雜道路環(huán)境下人、車(chē)