论文部分内容阅读
在计算机视觉领域各应用场景中,行人是最重要的分析目标,机器能够完成后续任务或者与人类交互的重要先验条件,就是能够正确识别其行为环境中的行人目标。行人检测可以直接应用到室内外移动机器人、汽车自动驾驶、安防监控等场景中,所以近几年来它吸引了人们很多的注意。本文针对应用于校园环境的移动机器人的行人检测进行了研究,重点研究了行人目标的视觉检测在移动机器人上的优化实现,并通过实验测试了行人检测算法的准确性和快速性以及在移动机器上实现的可行性,最终完成了校园移动机器人对周围行人目标快速准确的视觉感知任务。本文主要研究内容如下:(1)针对行人检测领域现有的提取人工特征,无法很好的适用于变姿态行人检测而带来的误检漏检问题,本文引入了改进的HOG特征——HRPOG特征,能够从多尺度、多方向捕捉行人纹理的梯度变化信息,更准确提取出行人本质特征,针对当图像中的待检目标与背景色相近,即存在相近色背景干扰时,HRPOG特征的描述能力降低的问题,融合了改进后的LBP特征——CSLBP特征提取行人纹理等局部特征,在保留梯度信息的同时,还能有效地降低梯度信息的维度。构建出新型HRPOG-CSLBP特征,将全局特征与局部特征相结合,从形状和纹理两个层次出发,从整体到局部,实现功能互补,提高了对待检图像的整体特征的判别能力。(2)针对行人检测领域现有的卷积神经网络,神经网络结构复杂,耗时较长的问题,本文结合了残差网络和mobile-net,设计了一种综合精度和时间的新型检测网络RMN网络,该网络结合两种网络结构的特点,属于轻量化网络模型,检测速度快,响应时间短,可以很好地满足实时性的要求。同时使用经本文构建的新型特征预处理后的图像进行训练,并利用卷积神经网络对图像各层次抽象特征的提取能力,通过新型网络对特征进行二次提取,强化检测特征的泛化能力。(3)设计了HRPOG-CSLBP融合特征和RMN网络模型的效果验证实验,验证了本文构建的特征和网络结构在行人检测上的优越性和合理性。并与其他算法设计对比实验,通过检测率、召回率和漏检率等对算法准确性进行评价,同时对比多种算法的DET曲线和响应时间,验证了本文方法应用于行人检测任务的有效性以及在移动机器人上实现的可行性,最终完成了校园移动机器人对周围行人目标快速准确的视觉感知任务。