论文部分内容阅读
随着摄像机性能的快速发展与人工智能技术的普及,自然图像在智能交通领域得到了广泛的应用。行人检测由于其对于交通车辆行驶安全的重要影响,一直是智能交通领域的核心内容。然而由于行人目标本身的非刚体特性,以及复杂的外在干扰,如光照变换、遮挡、环境背景等,行人检测依旧是图像领域中的难点。本文首先归纳总结了行人检测技术的发展和研究现状,详细介绍了当前主要行人检测数据集、检测算子、分类方法等,并分析了存在的主要问题。接着,针对复杂交通环境下,行人目标易受遮挡,影响检测精度的问题,提出了一种基于DPM算法的单行人和双行人并联的检测算法;设计了一套针对智能车载的实时行人检测装置;最后对所做工作进行总结展望。本文核心工作和相关成果如下:1、针对于双人互相遮挡的情况,从TUD-Brussels和ETH两种行人数据库中,根据遮挡概率统计情况,提取并建立了供训练专用的双行人数据库。2、基于DPM(部件可变模型)检测算子和Latent SVM训练方法,从INRIA行人数据库和双人数据库中分别训练得到单行人的SP-DPM分类模板和双行人的DP-DPM分类模板。通过线性分割的方法,将双行人分类模版变形为包含单行人部件的双行人模板SDP-DPM。3、针对交通场景下行人分布情况的特征信息,提出一种将单人模型SP-DPM和双行人模型SDP-DPM相结合的并联检测方法Mutil PD-DPM。将构建的方法用于行人遮挡最为严重的Caltech行人数据库上的检测,并将检测结果以ROC图的形式与当前主要流行算法进行对比。4、通过车载行车记录仪拍摄的视频,提取标定出相关行人数据库。训练得到有效的行人分类器,基于积分图HOG方法进行行人检测,设定了检测距离和对应的多尺度的检测方法。5、提出一种基于对角斜率的ROI算法来减少检测区域,通过与GPU硬件加速相结合的方法,实现了对行人目标的实时检测。6、基于VS2010编译环境和Opencv2.0接口,设计实现了一套完整的行人检测可视化系统装置。