基于多異構特征融合的行人檢測系統(tǒng)研究.pdf

1、行人檢測技術是計算機視覺領域中的研究熱點之一。它在智能監(jiān)控系統(tǒng)、汽車安全輔助系統(tǒng)等領域具有廣泛的應用前景。近些年來，交通事故頻發(fā)，因此如何避免或者減少交通事故的發(fā)生也成為了人們?nèi)找骊P注的焦點。行人是交通事故中的主要受害者，他屬于非剛體且以各種各樣的姿態(tài)出現(xiàn)在道路的場景中，并且人的服裝樣式千變?nèi)f化，背景錯綜復雜，也存在很多外形與行人相似的物體，這都加大了檢測行人難度和復雜度。
　　本文選用單目視覺傳感器作為獲得環(huán)境信息主要手段，創(chuàng)建

2、了可在多姿態(tài)多視角的復雜條件下應用的行人檢測系統(tǒng)。行人檢測在車輛輔助駕駛系統(tǒng)中具有重要應用價值，其檢測性能受行人的衣著以及天氣、光照，遮擋等因素的影響。為了更好的改善以上各種因素所造成的的影響，本文提出了一種基于多異構特征融合的行人檢測方法。首先，提出一種新的顏色特征(COLOR)，利用顏色矩的方法提取顏色信息，然后把提出的顏色特征與邊緣特征和紋理特征相結合，形成HOG-LBP-COLOR特征，HOG-LBP-COLOR特征有效的減少了

3、光照條件和復雜背景的影響。其次，提出加入組合系數(shù)的方法，建立了一種新的內(nèi)核函數(shù)，使多異構特征中每個特征按照一定的權重進行融合，令影響力更大的特征占有更大的權重，從而改進和完善了前文所提出的多異構特征。最后，提出了一種多姿態(tài)多視角的行人檢測分類器。利用S-Isomap降維方法和K-means聚類方法對不同姿態(tài)和視角的行人做子類劃分，并針對每一個子類訓練子類分類器，根據(jù)多個不同姿態(tài)的子類分類器輸出值去訓練等權重加和方式的多姿態(tài)-視角集成分類