基于視覺(jué)的行人與二輪車(chē)輛檢測(cè)算法的研究與實(shí)現(xiàn).pdf

1、飛速發(fā)展的科學(xué)技術(shù)給人們的工作和生活帶來(lái)了極大的便利，使得人們得以從繁重的體力勞動(dòng)中解放出來(lái)，尤其是交通工具的出現(xiàn)，使得古人日行千里的愿望不再是神話(huà)，極大地提高了人們的出行質(zhì)量。然而交通工具在方便了人們出行的同時(shí)，也帶來(lái)了很多的交通問(wèn)題，主要原因在于現(xiàn)在道路上的車(chē)輛越來(lái)越多，而道路擴(kuò)建與增加的數(shù)量卻遠(yuǎn)遠(yuǎn)不及車(chē)輛增長(zhǎng)的數(shù)量。交通日益擁擠，由此產(chǎn)生的交通事故的數(shù)量日益增多。由于道路上的主要參與者是行人與車(chē)輛，所以行人和行車(chē)的安全問(wèn)題已經(jīng)成為

2、一個(gè)無(wú)法忽視的社會(huì)問(wèn)題。出于對(duì)行人、車(chē)輛和駕駛員的安全考慮，在交通事故將要發(fā)生時(shí)，能夠有警報(bào)及時(shí)提醒駕駛員，對(duì)于避免交通事故的發(fā)生是相當(dāng)重要的。
　　本文對(duì)基于單目視覺(jué)的行人和二輪車(chē)輛檢測(cè)與跟蹤算法進(jìn)行了研究和實(shí)現(xiàn)。在真實(shí)的道路環(huán)境中，包含的車(chē)輛種類(lèi)極多，有自行車(chē)、摩托車(chē)、電動(dòng)車(chē)、轎車(chē)、大型貨車(chē)等，而本文主要在研究行人檢測(cè)的基礎(chǔ)上對(duì)騎二輪車(chē)輛行人進(jìn)行了更深層次的研究。騎二輪車(chē)輛行人的特征中既包含步行行人的部分特征又包含更加復(fù)雜的車(chē)

3、輛特征，同時(shí)它的速度也比行人快很多，因此，對(duì)騎二輪車(chē)輛行人的研究也具有重要的意義，本文以摩托車(chē)為例進(jìn)行研究和實(shí)驗(yàn)，因?yàn)樵诙嗆?chē)輛中摩托車(chē)的結(jié)構(gòu)最復(fù)雜、速度最快、也最易造成交通事故的發(fā)生。
　　本文主要完成的研究與實(shí)現(xiàn):首先，對(duì)采集到的視頻進(jìn)行一系列處理，包括圖像變換、邊緣檢測(cè)、去除噪聲等;其次，通過(guò)采集正樣本和負(fù)樣本進(jìn)行級(jí)聯(lián)分類(lèi)器的訓(xùn)練，得到最終的分類(lèi)器模型文件;然后，采用分類(lèi)器對(duì)目標(biāo)進(jìn)行識(shí)別，在原算法中加入了對(duì)車(chē)輪的檢測(cè)和判斷來(lái)

4、提高檢測(cè)的準(zhǔn)確率;最后，對(duì)于無(wú)法檢測(cè)到的目標(biāo)進(jìn)行跟蹤和預(yù)測(cè)。為了提高識(shí)別的準(zhǔn)確度、系統(tǒng)的實(shí)時(shí)性、減小目標(biāo)受到遮擋及噪聲等負(fù)面因素的影響，本文采用了車(chē)輪檢測(cè)和改進(jìn)的AdaBoost算法相結(jié)合的方法對(duì)目標(biāo)進(jìn)行識(shí)別、CamShift和Kalman濾波相結(jié)合的方法對(duì)目標(biāo)進(jìn)行跟蹤和預(yù)測(cè)。
　　實(shí)驗(yàn)結(jié)果表明:本文提出的方法能夠很好的對(duì)行人和二輪車(chē)輛進(jìn)行識(shí)別和跟蹤，系統(tǒng)的實(shí)時(shí)性和識(shí)別的準(zhǔn)確率都有了提高，尤其在不同環(huán)境下算法的魯棒性較好。