基于車載視頻的行人檢測(cè)預(yù)警系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn).pdf

1、隨著經(jīng)濟(jì)的不斷發(fā)展，汽車保有量的不斷增加，交通安全狀況日趨惡化，因而行車安全問題越來越為人們所關(guān)注，而該問題中最重要的主體就是行人。如何在日趨頻繁的交通環(huán)境中有效地對(duì)行人進(jìn)行保護(hù)一直是社會(huì)的熱點(diǎn)問題之一。
　　基于計(jì)算機(jī)視覺的行人檢測(cè)預(yù)警系統(tǒng)在輔助駕駛中具有重要的意義，是智能視頻處理和智能車輛領(lǐng)域最熱門的研究課題之一。其重點(diǎn)是利用車載攝像機(jī)拍攝車前場(chǎng)景，識(shí)別場(chǎng)景中的行人，然后估計(jì)行人危險(xiǎn)程度并給出響應(yīng)以保護(hù)行人。行人檢測(cè)是系統(tǒng)的核

2、心模塊，同時(shí)也是該領(lǐng)域內(nèi)的難點(diǎn)。由于行人狀態(tài)的多變性和道路交通環(huán)境的復(fù)雜性，使得目前尚沒有一個(gè)通用的、魯棒性強(qiáng)的、實(shí)時(shí)性高的檢測(cè)算法。行人檢測(cè)方法雖然多種多樣，但其根本思想都是利用行人自身與背景不同的特征加以區(qū)別，將檢測(cè)問題轉(zhuǎn)換為識(shí)別問題來對(duì)待。
　　本文利用單目攝像機(jī)作為獲取環(huán)境信息的傳感器，對(duì)車前行人檢測(cè)技術(shù)進(jìn)行了研究。在此基礎(chǔ)上，設(shè)計(jì)并實(shí)現(xiàn)了基于聚合通道特征的實(shí)時(shí)行人預(yù)警系統(tǒng)。本文主要工作如下:
　　(1)對(duì)行人檢測(cè)算

3、法的評(píng)價(jià)標(biāo)準(zhǔn)及評(píng)估方式進(jìn)行了詳細(xì)地學(xué)習(xí)，并在本文中介紹了兩種評(píng)價(jià)標(biāo)準(zhǔn)和三種評(píng)估方式;系統(tǒng)地了解了各種行人數(shù)據(jù)庫(kù)并詳細(xì)介紹了本文實(shí)驗(yàn)主要使用的兩種行人數(shù)據(jù)庫(kù)，分別是INRIA和Caltech;對(duì)分類器的概念進(jìn)行了學(xué)習(xí)和簡(jiǎn)單地介紹;學(xué)習(xí)并介紹了比較有代表性的三種行人檢測(cè)算法，包括BING算法、HOG算法和DPM算法，闡述了三種算法的原理并給出了實(shí)驗(yàn)效果圖。
　　(2)對(duì)行人的常用特征進(jìn)行了系統(tǒng)地學(xué)習(xí)，并采用LUV顏色空間三個(gè)通道，一個(gè)

4、梯度幅值通道，六個(gè)量化的梯度方向通道組合而成的融合特征作為分類器的輸入。在特征計(jì)算過程中，使用估計(jì)方法代替?zhèn)鹘y(tǒng)的計(jì)算方法。同時(shí)，詳細(xì)介紹了adaboost算法的工作原理，級(jí)聯(lián)結(jié)構(gòu)分類器的優(yōu)點(diǎn)。實(shí)驗(yàn)證明，本文選用的方法能夠有效地對(duì)車輛前方的行人進(jìn)行檢測(cè)，對(duì)運(yùn)動(dòng)和靜止的行人都有較好的效果。
　　(3)研究了一種基于上下文信息的跟蹤算法，該算法實(shí)時(shí)性高，不足是在夜晚等背景與目標(biāo)特征差異較小的場(chǎng)景下跟蹤效果不佳，且遮擋面積較大時(shí)容易跟蹤失

5、敗。本文在該算法框架下綜合使用熱圖像信息和可見光圖像信息進(jìn)行跟蹤，提出了融合紅外信息的時(shí)空上下文跟蹤算法。分別使用公共數(shù)據(jù)集和學(xué)校視頻監(jiān)控?cái)?shù)據(jù)對(duì)本文算法和原方法進(jìn)行了對(duì)比實(shí)驗(yàn)，驗(yàn)證了本文提出的算法具有更好的效果和魯棒性。以上研究?jī)?nèi)容為本文系統(tǒng)的下一步工作打下了基礎(chǔ)。
　　(4)設(shè)計(jì)和實(shí)現(xiàn)了基于車載視頻的行人檢測(cè)預(yù)警系統(tǒng)。系統(tǒng)包括行人檢測(cè)模塊、區(qū)域劃分模塊、單目測(cè)距模塊和安全預(yù)警模塊。其中，區(qū)域劃分模塊嘗試了三種方法并選用手動(dòng)劃分作