基于场景变换的行人检测系统研究

论文摘要

各种交通事故的发生,给社会造成了巨大的经济甚至生命的损失。如何预防交通事件的发生,在交通事件发生时得到最及时的信息成为交通管理的重点和难点。本文针对复杂城市交通环境下行人交通的畅通和行人安全问题,构建了一个基于计算机视觉的运动行人跟踪与检测系统。主要开展如下方面的研究:首先,针对复杂城市交通环境,设计了一个基于视觉的运动行人检测与跟踪系统。并对系统的组成、原理和判断图像画面变化的方法作了相应的介绍。其次,分析了前景运动区域检测技术,研究在复杂城市交通背景情况下,运动行人目标的检测方法。前景运动区域检测部分,使用自适应背景模型技术和运动图像分割相结合的方法。在差分图像算法检测的基础上,结合自适应动态阈值分割和数学形态学运算,提出了运动行人精确分割的算法,有效地抑制了差分图像算法引起的噪声,并且较好地填充分割中运动行人图像的断裂部分。再次,分析了运动行人跟踪技术,研究图像序列中出现的运动行人间的匹配问题和行人运动跟踪方法,通过对行人进行跟踪得到行人的运动轨迹,提供行人运动的信息。对行人匹配和识别过程中,根据行人多种简单特征建立行人匹配模板,在图像序列中对检测到的目标进行匹配和识别。最后,利用相关模式识别理论对运动行人进行进一步分析,来提高识别算法的精度。通过实际采集的交通环境下的视频图像对文提出的方法进行了验证,实验结果表明,文中提出的算法能可以检测并跟踪场景中出现的单个或多个运动行人,满足实时行人检测的效果和精度。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 课题研究背景
• 1.2 课题研究目的和意义
• 1.3 国内外相关技术发展现状
• 1.3.1 ITS 的发展状况
• 1.3.2 行人检测研究现状
• 1.4 本文主要研究内容
• 第2章 系统的总体方案设计
• 2.1 引言
• 2.2 系统组成构架
• 2.3 图像画面判断
• 2.3.1 像素特征
• 2.3.2 直方图特征
• 2.3.3 边缘特征
• 2.4 本章小结
• 第3章 运动目标获取方法
• 3.1 引言
• 3.2 背景获取
• 3.2.1 单高斯模型
• 3.2.2 混合高斯模型
• 3.3 混合高斯模型改进
• 3.3.1 权重更新
• 3.3.2 抑制光线变化
• 3.4 二值化
• 3.4.1 全局二值化方法
• 3.4.2 局部二值化方法
• 3.5 图像膨胀与腐蚀
• 3.6 本章小结
• 第4章 行人跟踪与识别
• 4.1 引言
• 4.2 运动跟踪
• 4.2.1 参数初始化
• 4.2.2 模板匹配
• 4.2.3 参数更新
• 4.3 行人识别
• 4.3.1 行人先验知识识别
• 4.4 本章小结
• 第5章 模式识别
• 5.1 集成学习
• 5.1.1 弱分类器
• 5.1.2 弱分类器集成
• 5.1.3 Adboost 算法
• 5.2 Adboost 行人识别
• 5.2.1 行人样本库建立
• 5.2.2 特征向量
• 5.2.3 级联分类器
• 5.2.4 检测窗口合并
• 5.2.5 检测结果
• 5.3 本章小结
• 结论
• 参考文献
• 致谢