详情

原文传递车辆辅助驾驶中的行人检测与跟踪研究

论文题名：	车辆辅助驾驶中的行人检测与跟踪研究
关键词：	辆辅助驾驶;行人检测;目标跟踪;支持向量机;Boosting算法
摘要：	社会的不断进步，使得机动车辆的保有量逐年增加。在复杂多变的交通环境中，行人无疑是最主要的受害者。为了确保行人的生命安全。近年来，基于计算机视觉方面的行人检测与跟踪成为了广泛研究的热点问题。同时，也由于实际交通环境的复杂性，行人动作、体型、衣着的多样性以及对于检测跟踪实时性和准确性上的要求，给研究工作带来了难点和挑战。至今为止仍然没有一个兼顾通用性、实时性、准确性、鲁棒性的检测与跟踪方法。　　本文主要对车辆辅助驾驶系统中的行人检测与跟踪进行研究，由车载的摄像头来获取视频信息，通过图像处理方面的技术确定行人的位置并对行人进行跟踪，起到提醒驾驶员，对行人进行保护的作用。　　整个的研究系统分为四个模块：视频信息的采集、行人候选区域的分割、行人的检测与定位和行人的跟踪。第一由车载的摄像头对车辆前方的情况进行视频信息的采集，视频的采集环境选择在校园环境中；第二行人候选区域的分割，颜色信息处理起来简单方便，为了将颜色信息应用于行人检测中，考虑到行人整体颜色受服饰装扮的影响，而人头部位的颜色相对固定，由肤色和发色组成。于是提出了一种基于人头的颜色特征由发际线对人头进行检测的方法，标定可能出现人头的区域，继而通过人头与人体之间的比例关系确定出行人的候选区域。对行人进行候选区域的分割，能有效的缩短检测定位时间；第三行人的检测与定位，该模块基于统计分类的方法，采用梯度方向直方图特征对行人进行描述，然后由支持向量机分类器来对行人进行检测，并由矩形框标记出行人所在的位置；第四行人跟踪，这一模块将实现单目标的行人跟踪，跟踪机制采用在线Boosting算法，将跟踪问题看做是背景与目标的分类问题，提出了将基于信息量的尺度自适应算法融合到在线Boosting跟踪机制中及通过压缩感知原理对提取的Haar特征进行压缩处理后与在线Boosting算法进行的特征选择相结合两种改进方法，来提高跟踪的鲁棒性。　　本文的研究成果在于对行人检测的实时性和跟踪上的鲁棒性做出了改善。在检测前增加了基于人体比例的快速候选区域分割模块，通过对图像颜色上的处理，使用简单的运算操作即可实现前景分割，同时避免了精确定位时的全局搜索，只在可能出现行人的区域遍历，提高了检测的效率，降低了时间的开销。跟踪模块针对传统的在线Boosting跟踪算法容易产生“漂移”的现象，一是引入了基于信息量的尺度自适应算法，来改善传统Boosting跟踪中由于跟踪框尺度大小的固定造成的误差；二是尝试将压缩感知提取的特征与在线Boosting算法选择的特征相结合，通过扩大优秀特征的选择范围来改善跟踪的鲁棒性。但是改进的算法都存在一定的局限性，针对于复杂背景、遮挡、跟踪实时性的问题仍需要进一步的探究。
作者：	荆蕾颖
专业：	仪器科学与技术
导师：	朱红
授予学位：	硕士
授予学位单位：	西安电子科技大学
学位年度：	2017
正文语种：	中文