基于視覺傳感器的行人檢測關(guān)鍵算法研究.pdf

1、本文提出一種聯(lián)合動態(tài)和靜態(tài)特征的行人檢測方法，用于運動背景下的行人檢測。運動背景下檢測的難點在于背景與目標的分離，本文方法采用一種改進的二階差分光流算法Nagel-a計算圖像的光流場，該光流算法通過改進速度場分量的拉普拉斯算子估計值，在求解速度場的迭代公式中引入前次迭代的速度分量，此舉抑制了光流場中邊界點對非邊界點的影響，提高了光流場對微弱運動的敏感性。文中方法從Nagel-a光流場中提取行人的運動學特征MBH(Motion bound

2、ary histograms)和IMH(Internal motionhistograms)，強化MBH和IMH特征向量中包含鑒別信息的有益冗余，提高了該特征的鑒別能力。實驗中使用LIBSVM訓練基于運動學特征的線性SVM(Support vectormachine)分類器，使用Mean shift算法優(yōu)化分類結(jié)果。實驗在TUD數(shù)據(jù)庫上獲得98％的識別率，證明該方法可以在具備運動背景的圖像序列上獲得較出色的檢測效果。
　　針對現(xiàn)有

3、障礙物檢測和行人檢測方法計算復雜度較高的問題，本文提出一種新穎的針對車載系統(tǒng)的快速障礙物和行人檢測算法。該方法采用表面視差映射代替深度圖匹配，可以快速生成遮擋圖并在圖中提取包含障礙物和行人的感興趣區(qū)域。由于表面視差映射算法具備較低的計算復雜度，并且主要的計算任務(wù)在初始化階段完成，因此大幅提高了算法的整體效率。為了測試文中方法在真實路況中的可靠性，實驗組在市區(qū)道路上利用車載攝像頭拍攝了包括六種常見路況條件下的視頻和圖像，整理并建立HENU

4、數(shù)據(jù)庫。實驗證明本文提出的方法在柏油路面，草坪路面，泥土路面，上下坡，夜間道路和雨天道路環(huán)境下都具備較高的準確度和可靠性。本文同時提出一種多尺度的行人檢測器，采用本文提出的增強的梯度方向直方圖作為分類器特征，檢測過程中不需要調(diào)整輸入圖像的尺寸，提高檢測效率的同時也顯著提高了檢測準確率。實驗在三個公開數(shù)據(jù)庫和HENU數(shù)據(jù)庫上證明本文提出的方法在消耗相同時間的前提下，性能要優(yōu)于現(xiàn)有的行人檢測器。更重要的，當本文所提出的檢測器處理小尺度行人目

5、標時，檢測性能會較原尺度進一步提高。
　　本文針對紅外圖像的特點和行人的形狀特征提出一種快速高效的紅外行人檢測算法。算法采用基于對比度直方圖的方法提取紅外圖像的顯著性映射圖，按照顯著值分布和局部鄰域尺寸提取圖像中的關(guān)注點，根據(jù)關(guān)注點的顯著值計算自適應閾值分割紅外圖像中的行人目標。
　　本文針對行人姿勢的多樣性，結(jié)合樣本先驗概率構(gòu)建基于形狀的級聯(lián)人體模板匹配樹，在根據(jù)顯著性關(guān)注點理論分割后的紅外圖像上依據(jù)模板的匹配結(jié)果驗證待檢