基于邊緣特征的行人檢測(cè)技術(shù)研究與實(shí)現(xiàn).pdf

1、隨著經(jīng)濟(jì)的迅速發(fā)展，汽車使用量迅速增加，雖然道路也隨之不斷擴(kuò)展，道路交通負(fù)荷還是比較嚴(yán)重，交通事故發(fā)生頻繁。由于道路交通事故中，行人在遭遇危險(xiǎn)時(shí)避開車輛的能力較差，因此行人檢測(cè)技術(shù)得到了汽車廠商和消費(fèi)者的重視，行人檢測(cè)能對(duì)道路中的行人的位置和運(yùn)動(dòng)方向等信息做出準(zhǔn)確的檢測(cè)和估計(jì)，判斷車對(duì)行人的威脅性，警告系統(tǒng)在危險(xiǎn)的情況下對(duì)駕駛員進(jìn)行警告甚至做出緊急處理，從而避免交通事故的發(fā)生，避免碰撞行人，有效地提高城市交通的安全性。
　　在分析

2、傳統(tǒng)算法的基礎(chǔ)上，本文對(duì)基于視覺傳感器的行人檢測(cè)算法進(jìn)行了研究和實(shí)現(xiàn)。首先，是行人候選區(qū)分割，根據(jù)行人的垂直邊緣具有對(duì)稱性的特點(diǎn)，本文設(shè)計(jì)了一種根據(jù)行人邊緣對(duì)稱性分割行人候選區(qū)的方法，此方法是對(duì)圖像進(jìn)行對(duì)稱性測(cè)度，獲取候選對(duì)稱軸定位行人，并利用行人的邊緣及寬高比約束等獲取行人候選區(qū)。然后對(duì)行人候選區(qū)進(jìn)行識(shí)別，本文采用SVM結(jié)合HOG特征來識(shí)別行人，即提取行人的HOG特征作為SVM分類器的輸入，使用SVM分類器訓(xùn)練得到行人分類器以分類行人

3、。為了進(jìn)一步獲取行人的信息，本文研究了傳統(tǒng)的Mean-Shift目標(biāo)跟蹤算法，并對(duì)基于Mean-Shift的行人跟蹤算法做了改進(jìn)，即在跟蹤過程中加入重定位的過程，根據(jù)預(yù)測(cè)區(qū)域的質(zhì)心變化及利用幀差法的原理判斷行人的運(yùn)動(dòng)特性以確定目標(biāo)是否跟丟，對(duì)于跟丟的目標(biāo)進(jìn)行重新定位。這樣跟蹤算法的丟失率大大降低，并可以將部分行人識(shí)別過程中誤識(shí)別的目標(biāo)去除，將整個(gè)算法的識(shí)別率提高。
　　實(shí)驗(yàn)結(jié)果表明，本文的基于邊緣特征分割算法能很好的分割出道路上的