基于单目视觉的运动行人检测算法的研究与实现

论文摘要

随着汽车数量的迅速增长和道路交通事故的频繁发生,如何减少交通事故、降低交通事故造成的损失成为人们关注的重点。行人作为道路交通的主要参与者,同时也是交通事故的直接受害群体。因此,及时警告驾驶员与行人可能的碰撞,有效地保护行人的安全,已成为车辆安全辅助驾驶领域备受关注的研究方向。由于行人非刚体,其可能以各种姿势出现在道路场景中,再加上行人的衣着以及天气、光照等因素的影响,基于视觉的行人检测是非常具有挑战性的。本文以单目视觉传感器作为外界环境信息的获取手段,从实用性角度出发,建立了一个包含运动行人分割、识别的检测系统。在行人分割阶段,首先通过图像相邻帧之间的特征匹配,建立自运动补偿模型,并基于此模型消除摄像机的运动,建立差分图像；然后根据运动行人在差分图像中表现出来的垂直边缘特征,利用差分图像的灰度垂直投影检测运动区域；最后结合水平边缘实现行人的精确定位。在行人识别阶段,本文建立了一个级联AdaBoost分类器进行行人识别。行人识别阶段包括离线训练和在线识别两个部分。在离线训练阶段,根据行人所表现出来的垂直边缘和对称性等特点,采用类Haar特征描述行人,进行级联AdaBoost分类器训练；在线识别阶段利用训练阶段得到的级联分类器,对输入的候选行人进行识别检测。最后,在行人单帧识别的基础上,利用行人在图像序列中连续出现的特点,对于连续帧的行人识别结果进行关联融合,进一步提高系统的稳定性。本文的行人检测算法在大量的包括不同天气和光照条件的测试集上进行了测试,结果表明,本文提出的算法对于运动行人具有良好的检测效果。

论文目录

• 中文摘要
• ABSTRACT
• 第1章 绪论
• 1.1 研究背景
• 1.2 智能交通系统（ITS）
• 1.2.1 ITS概念
• 1.2.2 车辆辅助驾驶系统（DAS）
• 1.3 DAS的研究现状及发展前景
• 1.3.1 国外研究状况
• 1.3.2 国内研究现状
• 1.3.3 DAS的发展前景
• 1.4 本文主要工作
• 1.4.1 本文研究内容
• 1.4.2 本文组织结构
• 第2章 行人检测技术
• 2.1 行人检测的理论基础
• 2.1.1 数字图像处理
• 2.1.2 计算机视觉
• 2.1.3 传感器及其融合
• 2.2 行人检测算法概述
• 2.2.1 常用行人检测方法
• 2.2.2 行人存在假设
• 2.2.3 行人存在验证
• 2.3 行人检测系统各模块描述
• 第3章 运动行人检测算法研究
• 3.1 自运动补偿
• 3.1.1 运动补偿的数学基础
• 3.1.2 特征检测与跟踪
• 3.1.3 自运动补偿模型分析
• 3.1.4 图像差分
• 3.2 行人ROI分割
• 3.2.1 基于差分图像灰度垂直投影的运动区域检测
• 3.2.2 行人定位
• 3.3 行人相对位置计算
• 3.4 本章小结
• 第4章 基于AdaBoost的行人识别算法研究
• 4.1 机器学习概述
• 4.2 集成学习
• 4.2.1 弱分类器
• 4.2.2 弱分类器的集成
• 4.3 AdaBoost算法
• 4.4 弱分类器的构造
• 4.4.1 类Haar特征定义
• 4.4.2 类Haar特征值的计算
• 4.4.3 弱分类器构造
• 4.5 级联AdaBoost分类器的训练
• 4.5.1 级联分类器的训练
• 4.5.2 级联分类器分析
• 4.5.3 基于级联AdaBoost分类器的行人识别
• 4.6 行人识别的多帧信息融合
• 4.7 本章小节与相关实验结果
• 4.7.1 实验数据来源
• 4.7.2 实验结果
• 第5章 总结与展望
• 5.1 本文的主要工作
• 5.2 进一步的工作
• 5.3 展望
• 参考文献
• 致谢