车辆辅助驾驶系统中基于计算机视觉的行人检测技术研究

论文摘要

行人检测是智能车辆辅助导航系统中的一项关键技术,也是目前计算机应用领域的研究热点之一。它处于智能车辆辅助导航系统的底层,是各种后续高级处理如目标分类、行为理解的基础。行人检测技术在智能控制系统、虚拟现实、机器人应用等方面也将得到广泛地应用。论文对车辆辅助驾驶系统中基于计算机视觉的行人检测技术进行研究,首先详细分析了基于视频图像的运动目标检测方法,重点研究了减背景法,提出了背景建模方法的改进算法,该算法是借助图像中相邻象素的邻域相关性,只对间隔的象素点建立混合高斯模型,没有建立混合高斯模型的点则利用象素的邻域相关性进行判断;为了克服了减背景法对光照变化敏感的不足,再结合帧差法对运动目标进行检测。其次,对运动目标进行行人识别,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,实时的分割出准确完整的运动行人。最后,对行人运动跟踪技术进行了研究,实现了一种以运动目标质心模型求得运动目标位置的测量方法,并结合卡尔曼滤波方法对行人的矩形窗口进行预测,建立动态可变的感兴趣区域,缩小了行人的搜索范围。论文采用手持摄像机的形式来模拟装载在智能车辆上的可变焦距的摄像机,对采集到的视频图像进行处理。本文提出的算法能够实现对车辆前方的行人进行实时有效地检测识别,同时对行人进行跟踪。为了验证算法的有效性,进行了一定量的试验,试验结果表明,该算法可以满足行人检测系统的实时性要求,相对于以往算法也更加准确可靠。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 课题背景及意义
• 1.2 行人检测技术国内外研究现状
• 1.2.1 国内研究现状
• 1.2.2 国外研究动态
• 1.3 课题内容与结构安排
• 第二章 运动目标检测
• 2.1 引言
• 2.2 运动目标检测方法
• 2.3 基于改进的减背景法与帧差法相结合的运动目标检测算法
• 2.3.1 改进的减背景法获得运动区域
• 2.3.2 帧差法获得运动区域
• 2.3.3 运动目标提取
• 2.3.4 阴影消除
• 2.4 实验结果与分析
• 2.5 本章小结
• 第三章 行人识别
• 3.1 引言
• 3.2 基于特征的行人识别算法
• 3.2.1 目标特征选择
• 3.2.2 目标特征提取
• 3.2.3 运动行人识别
• 3.3 实验结果
• 3.4 本章小结
• 第四章 行人跟踪
• 4.1 引言
• 4.2 目标跟踪方法概述
• 4.3 基于卡尔曼滤波的行人跟踪算法
• 4.3.1 卡尔曼滤波器算法原理
• 4.3.2 卡尔曼滤波的计算流程
• 4.3.3 卡尔曼滤波跟踪模型
• 4.4 实验结果与分析
• 4.5 本章小结
• 第五章 结论
• 参考文献
• 在学研究成果
• 致谢