学位论文 > 优秀研究生学位论文题录展示

基于单目视觉的车辆前方行人识别方法研究

作　者: 焦坤
导　师: 杨英
学　校: 东北大学
专　业: 车辆工程
关键词: 行人检测车辆辅助驾驶系统感兴趣区分割目标识别智能车辆车辆视觉
分类号: TP391.41
类　型: 硕士论文
年　份: 2008年
下　载: 116次
引　用: 1次
阅　读: 论文下载

内容摘要

基于计算机视觉的行人检测由于其在车辆辅助驾驶系统中的重要应用价值成为当前计算机视觉和智能车辆领域最为活跃的研究课题之一。其核心是利用安装在运动车辆上的摄像机检测行人,从而估计出潜在的危险以便采取策略保护行人。行人检测属于目标检测的一部分,同时,行人检测又是目标检测领域的一大难点。尽管在计算机视觉领域,目标的检测和跟踪技术已经研究了十多年,但仍是一个活跃的研究领域。目前还没有一个通用的,健壮的,精确的,高性能的,和实时的目标检测和跟踪算法。由于人体固有的一些特性,应用场景的复杂性,人与人或人与环境之间的相互影响,使得人体的检测和跟踪是计算机视觉研究领域中最难的一项挑战。本文主要以单目视觉传感器作为车辆前方环境信息获取的主要手段,进行了运动车辆前方行人检测技术的研究。基于视觉的行人检测系统一般包括两个模块：感兴趣区分割和目标识别,本文介绍了这两个模块所采用的一些典型方法,分析了每种方法的原理和优缺点,并在传统方法的基础上,提出新的行人分割方法。为了更加快速地检测行人,本文将人脸检测中的AdaBoost算法应用到行人检测中,将其和行人形状特征相融合,提出了基于AdaBoost算法与行人形状特征融合的行人分割方法,将车辆前方不同区域的行人候选目标分割出来。根据行人的灰度图像有一定的纹理特征和灰度对称性特征,同时由于行人连续的边缘使得图像的轮廓特征明显,本文采用支持向量机算法训练得到识别行人的分类器。试验结果表明,本文提出的算法能够实现对车辆前方不同尺寸、颜色和形状的行人进行有效地识别,对于静止和运动的行人都有良好的检测效果,系统的实时性较好。

全文目录

摘要  5-6
ABSTRACT  6-11
第1章绪论  11-29
  1.1 引言  11-13
  1.2 基于视觉传感器的行人检测技术研究现状  13-19
    1.2.1 基于形状信息的方法  13-15
    1.2.2 基于运动特性的方法  15-16
    1.2.3 基于模型的方法  16-17
    1.2.4 基于小波变换和支持向量机的方法  17-18
    1.2.5 基于神经网络的方法  18-19
  1.3 基于非视觉传感器的行人检测技术研究现状  19-23
    1.3.1 红外成像传感器  19-21
    1.3.2 微波雷达  21-22
    1.3.3 激光测距传感器  22
    1.3.4 多种传感器信息融合  22-23
  1.4 国内行人检测技术研究现状  23-26
  1.5 论文的研究工作  26-29
    1.5.1 论文研究的目的和意义  26
    1.5.2 行人检测中存在的问题  26-27
    1.5.3 静态目标检测算法  27-28
    1.5.4 论文研究的主要内容  28-29
第2章基于AdaBoost算法的行人分割  29-59
  2.1 引言  29
  2.2 AdaBoost算法基本原理及改进  29-41
    2.2.1 AdaBoost算法简介  29-32
    2.2.2 AdaBoost权重更新算法的该进  32-41
      2.2.2.1 全局归一法和类内归一法介绍及比较  32-33
      2.2.2.2 新的样本权重更新方法  33-34
      2.2.2.3 本文扩展的样本权重更新方法  34
      2.2.2.4 仿真分析  34-39
      2.2.2.5 阈值自适应的权重更新方法  39-41
  2.3 基于新特征的行人检测  41-48
    2.3.1 原始矩形特征  41-43
    2.3.2 样本特征的数量  43-45
    2.3.3 样本特征值的计算  45-46
    2.3.4 改进后的分类器的训练步骤  46-48
  2.4 行人初始候选区域的分割  48-55
    2.4.1 行人训练样本的获取  48-49
    2.4.2 级联分类器  49-53
      2.4.2.1 级连分类器介绍  49-50
      2.4.2.2 级连分类器分析  50-52
      2.4.2.3 级联分类器的训练  52-53
    2.4.3 行人候选区域的分割  53-55
  2.5 基于边缘特性的行人定位  55-56
    2.5.1 候选区域的边缘提取  55
    2.5.2 对称性测度与对称轴求取  55
    2.5.3 行人矩形区域的确定  55-56
    2.5.4 行人的初步验证  56
  2.6 分割试验分析  56-58
  2.7 小结  58-59
第3章行人识别算法  59-85
  3.1 引言  59
  3.2 目前常用的行人识别方法  59-63
    3.2.1 基于运动的方法  60
    3.2.2 基于形状的方法  60-63
      3.2.2.1 基于明确人体模型的方法  60-61
      3.2.2.2 基于模板匹配的方法  61
      3.2.2.3 基于统计分类的方法  61-63
  3.3 支持向量机的基本理论  63-68
    3.3.1 统计学习理论  63-64
    3.3.2 最优分类面  64-66
    3.3.3 支持向量机  66-68
  3.4 行人的特征提取  68-79
    3.4.1 灰度图像的纹理特征计算  69-72
    3.4.2 行人形状特征的提取  72-79
      3.4.2.1 边缘提取算法的改进  72-76
      3.4.2.2 边界矩的计算  76-78
      3.4.2.3 梯度方向特征分析  78-79
  3.5 基于支持向量机的行人识别  79-82
    3.5.1 分类器训练的输入  79-80
    3.5.2 训练参数的选择  80-82
  3.6 行人的识别  82-84
  3.7 小结  84-85
第4章行人检测算法的仿真实验与评价  85-91
  4.1 在线行人分割  85-88
  4.2 行人识别  88-91
第5章结束语  91-95
  5.1 主要研究成果  91-92
  5.2 存在的不足及对后续工作的建议  92-95
参考文献  95-105
致谢  105

基于单目视觉的车辆前方行人识别方法研究

内容摘要

全文目录

相似论文