基于全景視覺的行人檢測技術(shù)研究.pdf

1、行人檢測是當(dāng)前計(jì)算機(jī)視覺和人工智能領(lǐng)域研究的重點(diǎn)和熱點(diǎn),也是目標(biāo)檢測的重要分支,其在軍事領(lǐng)域、智能交通、機(jī)器人導(dǎo)航、智能監(jiān)控、人體運(yùn)動分析等領(lǐng)域都有廣泛的應(yīng)用前景。由于人體的衣著、姿勢、光照各異,行人檢測是非常具有挑戰(zhàn)性的課題。目前,計(jì)算機(jī)視覺領(lǐng)域的主流思想將行人檢測問題認(rèn)為是一個(gè)模式分類問題,其方法是從大量的行人訓(xùn)練樣本中提取特征,利用機(jī)器學(xué)習(xí)方法將行人與其他運(yùn)動目標(biāo)以及干擾背景區(qū)分開來,并準(zhǔn)確定位。全景視覺系統(tǒng)具有視場范圍大的特點(diǎn),

2、當(dāng)前已經(jīng)廣泛地應(yīng)用在機(jī)器人導(dǎo)航、空間探測、視頻監(jiān)控、虛擬現(xiàn)實(shí)、環(huán)境感知技術(shù)等領(lǐng)域。行人檢測技術(shù)和全景視覺系統(tǒng)的結(jié)合更能充分發(fā)揮各自的優(yōu)勢,提供更加廣泛的應(yīng)用前景。在全景視覺中研究行人檢測,可以充分利用全景視覺視野范圍大的特點(diǎn),檢測到360°視野范圍內(nèi)的行人,更好的滿足機(jī)器人導(dǎo)航和智能監(jiān)控等應(yīng)用場合的需求。近幾年來,GPU和基于GPU的通用計(jì)算得到了迅速的發(fā)展,基于GPU的通用計(jì)算在計(jì)算機(jī)視覺領(lǐng)域得到廣泛的應(yīng)用。
　　 本文主要研

3、究基于雙曲面折反射全景視覺系統(tǒng)的行人檢測方法,采用積分梯度方向直方圖特征和線性支持向量機(jī)設(shè)計(jì)了基于全景視覺的行人檢測器,并在GPU平臺上利用并行計(jì)算技術(shù)改進(jìn)了行人檢測算法的關(guān)鍵步驟,在保持檢測準(zhǔn)確率的前提下,獲得明顯的檢測速度上的提升。
　　 首先研究了雙曲面折反射全景視覺的成像機(jī)理,推導(dǎo)了雙曲面折反射成像系統(tǒng)的數(shù)學(xué)模型。為了克服全景圖像畸變對行人檢測的影響,對原始全景圖像進(jìn)行還原解算,從而獲得符合正常人的視覺感受的全景圖像,保

4、證全景視覺中行人檢測的準(zhǔn)確性。
　　 然后本文設(shè)計(jì)了一個(gè)基于全景視覺的行人檢測器,采用Dalal提出的梯度方向直方圖特征為基礎(chǔ),應(yīng)用了用積分圖像方法來計(jì)算HOG特征集的方法,大大提高了HOG特征的計(jì)算速度,同時(shí)采用線性支持向量機(jī)作為行人分類器,對在行人檢測中存在大量的重疊結(jié)果窗口,采用非極大值抑制算法進(jìn)行多結(jié)果融合,獲得較好的檢測效果。
　　 最后本文在GPU平臺上對基于全景視覺的行人檢測器進(jìn)行了改進(jìn),采用CUDA并行計(jì)