详情

原文传递智能交通系统中行人快速检测算法研究

论文题名：	智能交通系统中行人快速检测算法研究
关键词：	快速行人检测;智能交通系统;梯度直方图;特征提取;图像处理;支持向量机
摘要：	随着现代社会迅速发展，城市化建设日新月异，给城市交通带来了巨大压力，为了降低交通事故发生率，保持交通畅通持续有效运行，必须采取有效的管理方式。传统人工方式耗费大量财力物力而且效率较低，智能交通系统成为未来交通发展的必然选择。在智能交通系统中，行人检测具有重要的实际意义，检测技术可以运用到智能车辆中，有效减少交通事故发生。运用到监控系统中，可以对行人行为进行分析。　　行人检测算法层出不穷，可以分为两大类:一种是基于模板匹配的传统算法。另一种是基于图像特征提取的检测算法。本文主要研究的是基于图像特征提取的算法。通过对行人检测算法的研究，有效提高检测系统的检测率并降低检测时间。　　本文首先研究了现有行人检测算法，对现有算法进行了详尽分析，对各种算法的优缺点进行深入比较。现有算法可划分三类:基于全局的检测、基于多部位的检测以及多视角下的检测，本文的研究工作重点主要在前面两类。为了解决行人外貌特征多样性，行人运动规则随意性，选取单一特征最强大的HOG特征，把HOG梯度直方图同SVM支持向量机结合起来，作为行人检测算法，实验结果表明，基于HOG+SVM算法有优秀的识别率。在对分类器训练时，传统的HOG特征提取维数较高，有大量的冗余信息，使得算法计算较为复杂。为了克服这一不足，提出一种改进算法，引入了PCA主成分析法，形成全新的PCA-HOG特征。经过PCA算法处理后能有效减少HOG特征中信息的重叠性，降低特征空间的维度。通过对比单一HOG特征实验结果，PCA算法处理后的分类器训练和检测时间都大大缩短了，同时检测精度也得到了提高。　　前面分析的HOG+SVM算法是基于全局整体检测算法，在行人未被遮挡下，有优秀的检测效果。在检测过程中，让检测窗口逐一扫描图片上的信息，提取全部特征值来判断有无行人，这种整体检测算法在有遮挡情况下检测效果不理想。为了在行人有被遮挡情况下，提高检测率和检测时间，提出了HOG和LBP多特征融合。这种特征既有行人边缘梯度信息，又有纹理特征信息，能有效弥补单一HOG特征不足之处。由于HOG特征提取计算速度慢，提出一种快速的检测算法，即积分图方法来对HOG特征提取，提高了检测速度。在对分类器设计上设计了两个分类器，一个全身分类器和一个半身分类器，对行人检测时，先送入全身分类器中进行判断，如果判断为无，再送入半身分类器中判断行人是无还是被遮挡了。实验结果表明，在遮挡情况下，该算法有优秀的检测效果。基于前面理论分析，提出一种基于PCA降维的HOG特征，同时融合LBP特征的检测方法，对比实验结果，该算法能有效提高识别率，同时提高训练和检测速度。
作者：	彭浩
专业：	电子与通信工程
导师：	郭勇;廖华
授予学位：	硕士
授予学位单位：	成都理工大学
学位年度：	2016
正文语种：	中文