论文部分内容阅读
夜间行车时,由于驾驶员疲惫、灯光复杂、视线不清、行人亮度低,导致车辆前方行人不易被发现,比白天更容易发生交通事故。准确、高效的车载红外行人检测系统可以及时发现道路前方行人,提醒驾驶员进行避让,对提高行车安全具有非常重要的现实意义。因此,本文将车载红外行人检测系统的设计与实现作为主要工作内容。为实现准确、高效的车载红外行人检测系统,本文在以下三方面进行了深入研究。一、在红外行人检测算法研究方面,针对常用的最大类间方差(OTSU)阈值分割算法,在行人目标占据较小比例的红外场景下分割失效的问题,结合红外场景特性和对OTSU算法原理的分析,本文提出了一种基于热点探测的OTSU阈值分割算法,可以有效的解决传统OTSU阈值分割失效问题,提升背景分割效果。其次,针对传统红外行人感兴趣区域(Region of Interests,ROIs)标记定位冗杂、耗时的缺点,结合红外行人特征,提出了基于红外行人特征改进的ROIs快速标记定位算法,通过设计ROIs标记规则,进行区域合并、噪声滤除等操作,在O(n)的时间复杂度下实现了红外行人ROIs快速标记定位,时间复杂度降低到传统方法的1/23。二、在车载硬件处理系统实现方面,依据车载红外行人检测系统实现需求,针对对目前车载红外行人检测系统硬件设计的不足,设计了基于RK3288+Linux-3.10的硬件处理系统。同时,通过对常用的行人描述特征分析,将基于方向梯度直方图特征的可变形部件模型(Deformable Parts Model,DPM)和隐变量支持向量机(Latent Support Vector Machine,LatentSVM)应用到红外行人检测场景,作为本文车载红外行人检测系统使用的行人检测算法。三、在红外行人检测算法优化、加速方面,针对本文设计的硬件处理系统,结合本文对红外行人ROIs提取的改进,使用循环展开、函数内联、编译优化、并行计算等具体方法对DPM+LatentSVM算法在代码、编译、程序结构方面进行各项优化。依据本文构建的红外行人样本库,训练红外行人分类器,实现红外行人检测。实验表明,优化后的DPM+LatentSVM算法具有高达91.36%的红外行人检测精度,并在本文设计的硬件系统上实现了每秒23帧的检测速度,耗时为优化前的1/17,实现了准确、实时的车载红外行人检测。