車(chē)輛避碰系統(tǒng)視覺(jué)傳感型行人識(shí)別算法.pdf

1、近年來(lái)，隨著經(jīng)濟(jì)的快速發(fā)展和人民生活水平的提高，我國(guó)機(jī)動(dòng)車(chē)保有量持續(xù)快速增長(zhǎng)，由行人引起的交通事故也在增加。在這種背景下，汽車(chē)行人避碰技術(shù)受到高度重視，成為降低事故發(fā)生率、避免損失的一種有效方法，引領(lǐng)了未來(lái)車(chē)輛安全技術(shù)發(fā)展的方向。
　　 本文從中國(guó)的實(shí)際交通情況出發(fā)，借助計(jì)算機(jī)視覺(jué)技術(shù)對(duì)車(chē)外行人檢測(cè)這個(gè)核心技術(shù)問(wèn)題開(kāi)展研究。首先對(duì)最具代表性的行人識(shí)別算法進(jìn)行了深入的探討，從基于特征的方法、基于多部位的方法、基于多視角的方法以及基

2、于Boosted Cascade的方法進(jìn)行分析比較。得出這些方法是從不同的角度出發(fā)解決不同的問(wèn)題，是相互補(bǔ)充的。從而提出一個(gè)理想的行人檢測(cè)系統(tǒng)應(yīng)當(dāng)是將這些方法有機(jī)地結(jié)合到一起，才能達(dá)到最佳的性能，據(jù)此提出多種行人檢測(cè)算法融合的行人檢測(cè)系統(tǒng)的應(yīng)用設(shè)想。
　　 其次研究了基于Boosted Cascade物體檢測(cè)方法的行人檢測(cè)算法。在這個(gè)算法中，引入一個(gè)鏈?zhǔn)浇Y(jié)構(gòu)把級(jí)聯(lián)分類(lèi)器的歷史信息傳播到下一級(jí)級(jí)聯(lián)分類(lèi)器中，最后得到的分類(lèi)器由更少的

3、弱分類(lèi)器組成，并且比原先的Cascade方法的錯(cuò)誤率更低。試驗(yàn)結(jié)果表明這個(gè)算法框架的通用性很強(qiáng)，并不局限于某種特定物體的檢測(cè)，能很好地適用于行人檢測(cè)。
　　 接著對(duì)經(jīng)典運(yùn)動(dòng)人體檢測(cè)和識(shí)別方法作了探討，并且通過(guò)比較各種方法的優(yōu)缺點(diǎn)，選出了本文所采用的方法，并用Matlab建立了光流法行人捕捉試驗(yàn)?zāi)Ｐ瓦M(jìn)行試驗(yàn)。試驗(yàn)結(jié)果顯示，光流法能有效地捕捉處于運(yùn)動(dòng)中的行人，達(dá)到了預(yù)想的效果。這一步雖然不是最后的行為識(shí)別技術(shù)，但能有助于提取出精確的

4、人體輪廓，并且對(duì)其參數(shù)進(jìn)行跟蹤，是行為識(shí)別工作的基礎(chǔ)，也直接決定了人體檢測(cè)的成敗。
　　 最后鑒于車(chē)載攝像機(jī)所采集的視頻圖像存在抖動(dòng)、背景復(fù)雜等因素，提出了相鄰奇數(shù)幀動(dòng)態(tài)背景消除法進(jìn)行行人檢測(cè)的方法，使動(dòng)態(tài)背景提取的計(jì)算時(shí)間宿短了一半，有效地改善了行人檢測(cè)系統(tǒng)的實(shí)時(shí)性能。采用數(shù)學(xué)形態(tài)學(xué)的方法先對(duì)視頻圖像進(jìn)行處理，然后再利用Canny算子提取行人輪廓曲線(xiàn)，最后采用曲線(xiàn)擬合技術(shù)對(duì)行人輪廓曲線(xiàn)進(jìn)行優(yōu)化，消除了行人輪廓中的孤島，擬合了間