基于紅外圖像的行人檢測算法的研究.pdf

1、現(xiàn)今社會，交通事故是一個重要的社會問題，而在這些交通事故中，夜間行車事故占很大比例?；诖嗽?，夜間的行人檢測技術(shù)近年來在智能車輛領(lǐng)域研究中備受關(guān)注。夜間行車時，外界光線不充裕，并且道路中存在很多的干擾物體。在這樣的環(huán)境中，與可見光成像相比，反映物體溫度信息的紅外熱成像技術(shù)有很大的優(yōu)勢。為此，本文研究了基于紅外圖像的行人檢測算法。
　　本論文以紅外圖像中的行人為對象，對紅外圖像行人檢測技術(shù)進(jìn)行了研究。行人檢測技術(shù)主要包括樣本特征的

2、提取和分類器的選擇兩部分。首先由于紅外圖像中存在大量的噪點(diǎn)，要對紅外圖像進(jìn)行預(yù)處理，濾除紅外圖像中的噪聲，再利用紅外圖像細(xì)節(jié)增強(qiáng)的方法，對紅外圖像中的行人細(xì)節(jié)進(jìn)行增強(qiáng)。最后開展了基于Shapelet特征和HOG特征的分級行人檢測方法研究。主要內(nèi)容包括：1.根據(jù)紅外圖像的特點(diǎn)進(jìn)行紅外圖像預(yù)處理，包括去噪和紅外圖像增強(qiáng)兩部分。2.利用紅外熱成像儀采集了大量的紅外圖像，為行人特征提取準(zhǔn)備了很好的素材；根據(jù)行人的特點(diǎn)，提取 Shapelet特征

3、，計(jì)算每幅圖像在四個不同方向上的梯度值，并訓(xùn)練Adaboost強(qiáng)分類器。輸入圖像進(jìn)行檢測可得到待檢圖像的候選行人區(qū)域。3.開展了基于HOG特征的分級行人檢測算法研究。首先提取訓(xùn)練樣本的HOG特征，通過RBF核函數(shù)的SVM對HOG特征進(jìn)行訓(xùn)練，得到最終的行人檢測分類器，對輸入圖像中的行人區(qū)域進(jìn)行檢測并定位。
　　Shapelet特征能很好的描述目標(biāo)局部的灰度突變情況，而 HOG特征可以描述目標(biāo)的輪廓及邊緣特征使得目標(biāo)檢測效果得到提升