面向行人檢測(cè)的組合分類計(jì)算模型與應(yīng)用研究.pdf

1、行人檢測(cè)系統(tǒng)(Pedestrian Detection Systems，PDS)目的在于從行駛的汽車上，基于各種傳感器，通過一些智能算法，實(shí)時(shí)而準(zhǔn)確地判斷出汽車前方是否有行人以及行人的大致位置，并進(jìn)一步判斷是否會(huì)發(fā)生碰撞并予以報(bào)警和緊急自動(dòng)控制。這是一個(gè)從實(shí)際應(yīng)用中提煉出來的關(guān)鍵問題，是汽車主動(dòng)安全(Active Safety)、智能車輛(Smart Vehicle)和智能交通(Intelligent Transportation Sy

2、stems)的一個(gè)重要組成部分，有著很強(qiáng)的應(yīng)用背景和市場(chǎng)價(jià)值。同時(shí)，行人檢測(cè)系統(tǒng)也是一個(gè)多學(xué)科交叉的研究熱點(diǎn)，其研究涉及到傳感、機(jī)器學(xué)習(xí)、自動(dòng)化與控制、信息融合、計(jì)算智能等，因此也具有很高的科研意義。 目前的行人檢測(cè)系統(tǒng)可以分為兩大類，一類是以汽車廠商為代表的研究團(tuán)隊(duì)，他們盡可能采用紅外、微波、激光等雷達(dá)設(shè)備，希望能借助這些昂貴的設(shè)備來降低處理難度，以獲得更快的行人檢測(cè)速度和精度；另一類研究者希望僅使用簡(jiǎn)單、廉價(jià)的光學(xué)設(shè)備，通過

3、設(shè)計(jì)一些改進(jìn)的算法來同樣得到實(shí)時(shí)的檢測(cè)速度和可接受的檢測(cè)性能。研究者們通過對(duì)這些傳感設(shè)備的比較分析，認(rèn)為普通光學(xué)設(shè)備有著一些不可替代的優(yōu)勢(shì)，并且其核心技術(shù)(例如：分類算法)很容易推廣到基于其它傳感器的系統(tǒng)上，因此基于視覺的行人檢測(cè)系統(tǒng)具有重要的理論研究意義和很高的實(shí)際應(yīng)用價(jià)值。 本文立足于采用光學(xué)攝像頭的行人檢測(cè)系統(tǒng)與關(guān)鍵技術(shù)的研究?；谝曈X系統(tǒng)的行人檢測(cè)面臨的主要難點(diǎn)在于：1)檢測(cè)平臺(tái)和檢測(cè)對(duì)象的不規(guī)則自主運(yùn)動(dòng)；2)場(chǎng)景的多樣

4、性和時(shí)變性；3)行人的多樣性以及部分遮擋的問題。這些難點(diǎn)導(dǎo)致分類技術(shù)作為一種用于行人檢測(cè)的關(guān)鍵技術(shù)，還是一種有待突破的技術(shù)難題。同時(shí)，如何設(shè)計(jì)并搭建出一個(gè)具有實(shí)用性的基于視覺的行人檢測(cè)原型系統(tǒng)也為研究界與產(chǎn)業(yè)界所急需。 行人檢測(cè)中分類技術(shù)主要面臨以下三個(gè)難點(diǎn)：1)對(duì)于檢測(cè)過程，每幀中待檢測(cè)的對(duì)象數(shù)量大，且行人所占比例極少：2)對(duì)于分類器訓(xùn)練，面臨著樣本不平衡問題；3)對(duì)于分類器性能要求，同時(shí)要求檢測(cè)速度快、檢測(cè)率高和誤報(bào)率低；但

5、這三點(diǎn)相互沖突，因而很難找到一個(gè)平衡點(diǎn)。在行人檢測(cè)系統(tǒng)中，現(xiàn)有的分類方法還存在許多不足，主要包括：1)采用單分類器的方法檢測(cè)率低，誤報(bào)率高，檢測(cè)速度低，多場(chǎng)景適應(yīng)性差；2)采用串聯(lián)組合分類器的方法誤報(bào)率低、檢測(cè)速度快，但檢測(cè)率較低、多場(chǎng)景適應(yīng)性差；3)采用并聯(lián)組合分類器的方法檢測(cè)率較高，誤報(bào)率低，多場(chǎng)景適應(yīng)性較好，但檢測(cè)速度慢。 針對(duì)行人檢測(cè)系統(tǒng)與關(guān)鍵技術(shù)存在的上述難點(diǎn)問題，我們認(rèn)為有必要研究出針對(duì)性的高效分類模型與算法，設(shè)計(jì)面

6、向應(yīng)用的實(shí)現(xiàn)技術(shù)，最終搭建一個(gè)具有實(shí)用價(jià)值的行人檢測(cè)原型系統(tǒng)。為此，本文圍繞這一選題，完成了以下主要成果： 1.研究可以得到三方面性能平衡且綜合性能最佳的組合分類模型。我們結(jié)合串并聯(lián)組合分類器的優(yōu)點(diǎn)，提出了樹狀組合分類計(jì)算模型(Tree Classifier Ensemble Model)，結(jié)合單分類器性能模型對(duì)組合分類器的三方面性能進(jìn)行了定量的數(shù)學(xué)描述，從而將行人檢測(cè)中的分類器設(shè)計(jì)轉(zhuǎn)化為一個(gè)優(yōu)化問題，進(jìn)而使獲得滿足行人檢測(cè)需求

7、的高性能分類器成為可能。 2.研究面向應(yīng)用的組合分類模型的實(shí)現(xiàn)技術(shù)。組合分類模型在應(yīng)用時(shí)需要得到其中參數(shù)的合理取值才能保證綜合性能最優(yōu)。針對(duì)目前分類器關(guān)鍵參數(shù)只能通過實(shí)驗(yàn)調(diào)整的方法獲得，不但需要花費(fèi)很多時(shí)間，還不能保證得到的參數(shù)最優(yōu)。為此，我們通過對(duì)樣本不平衡性的分析，結(jié)合組合分類模型的三方面性能表達(dá)式，建立了其關(guān)鍵參數(shù)的計(jì)算模型(Computation Model)，使得保證組合分類器綜合性能最優(yōu)的關(guān)鍵參數(shù)可以直接求解得到，大

8、大加速了全局尋優(yōu)過程。此外，針對(duì)實(shí)際應(yīng)用中參數(shù)計(jì)算模型可能不完全成立的情況，提出了采用RBF擬合結(jié)合窮舉搜索的方式，仍能在可接受時(shí)間內(nèi)搜索得到組合分類模型的全局最優(yōu)參數(shù)，進(jìn)一步加強(qiáng)了組合分類模型的應(yīng)用范圍并為該模型在其它分類問題中的應(yīng)用指明了道路。 3.搭建一個(gè)具有實(shí)用價(jià)值的行人檢測(cè)原型系統(tǒng)。針對(duì)智能交通市場(chǎng)對(duì)廉價(jià)的行人檢測(cè)原型系統(tǒng)的需要，本文在組合分類計(jì)算模型的基礎(chǔ)上，分別完成了基于PC計(jì)算平臺(tái)的行人檢測(cè)算法離線驗(yàn)證平臺(tái)和基于