基于計(jì)算機(jī)視覺(jué)的車(chē)輛前方行人檢測(cè)算法研究.pdf

1、分類(lèi)號(hào)——UDC學(xué)f㈣|1111IIIIIl必UlllillIIY2363838。密級(jí)學(xué)校代碼!Q壘窆2武多萎理歹大穿位論文英文￡Q!理旦!曼!塹苧iQ墮：堡壘曼曼亟望星!星魚(yú)魚(yú)Q壘△!gQd!h堡Q￡題目一一里星盤(pán)墨!煎墊坐曼煎Q￡遜適!曼作者姓名江源遠(yuǎn)指導(dǎo)教師姓名——』趙童咀——一職稱(chēng)—耋生學(xué)位—j垂生一430070申請(qǐng)學(xué)位級(jí)別巫學(xué)科專(zhuān)業(yè)名稱(chēng)揎劍銎堂魚(yú)蘭猩論文提交日期20134論文答辯日期學(xué)位授予單位盛墊堡墨盤(pán)鱟學(xué)位授予日期2013

2、520136答辯委員會(huì)主席虛婆溘評(píng)閱人塞4溘丕墓2013年5月武漢理工大學(xué)碩士學(xué)位論文摘要近年來(lái)，隨著機(jī)動(dòng)車(chē)保有量的不斷攀升，道路交通安全狀況日益惡化，嚴(yán)重影響了經(jīng)濟(jì)的發(fā)展和人民的健康。尤其在中國(guó)這樣典型的混合交通系統(tǒng)中，行人在交通事故中受到的傷害也遠(yuǎn)大于其他國(guó)家。因此，車(chē)輛輔助駕駛系統(tǒng)作為減少交通事故發(fā)生的有效手段，已經(jīng)得到了廣泛的重視。而基于計(jì)算機(jī)視覺(jué)的車(chē)輛前方行人檢測(cè)則是該領(lǐng)域內(nèi)最為關(guān)鍵的課題之一，其核心是利用安裝在運(yùn)動(dòng)車(chē)輛上的攝

3、像機(jī)獲取前方環(huán)境信息，然后快速準(zhǔn)確地檢測(cè)出視頻中的行人，協(xié)助駕駛者及時(shí)對(duì)外界環(huán)境做出反應(yīng)，避免碰撞行人。由于行人服飾姿勢(shì)的多變性、車(chē)載系統(tǒng)下背景的復(fù)雜性，使得在城市道路交通環(huán)境下進(jìn)行行人檢測(cè)成為一個(gè)極具挑戰(zhàn)的課題。目前行人檢測(cè)的方法多樣，但是其本質(zhì)都是利用行人與眾不同的特征將其從背景中分割出來(lái)，將檢測(cè)轉(zhuǎn)換為模式識(shí)別的問(wèn)題，利用機(jī)器學(xué)習(xí)進(jìn)行分類(lèi)。基于此思想，本論文首先研究了單目攝像機(jī)下行人檢測(cè)的兩個(gè)關(guān)鍵問(wèn)題，包括特征描述算子和分類(lèi)器訓(xùn)練算

4、法；然后針對(duì)城市道路交通這一特定環(huán)境，制定了獨(dú)特的檢測(cè)策略，具體如下：在特征提取方面，本文在HOG的基礎(chǔ)上，提出了一種融合特征，以此來(lái)逼近HOG，從而加速特征的提取。該融合特征采用了6個(gè)量化的梯度方向通道，1個(gè)梯度幅值通道，3個(gè)LUV顏色通道，獲得較好的行人檢測(cè)性能。在分類(lèi)器的選擇上，本文采用Viola等在人臉識(shí)別中提出的級(jí)聯(lián)AdaBoost分類(lèi)器訓(xùn)練框架，對(duì)上述特征進(jìn)行訓(xùn)練。該法能有效防止部分融合特征可能會(huì)產(chǎn)生的抵觸情況；同時(shí)也大大提