交通场景下的骑车人检测方法研究
发布时间：2020-12-30 09:28
随着城市化的迅速发展,越来越多的人使用汽车作为交通工具,人们的出行越来越方便,但是作为道路交通的弱势群体,每年都有大量的行人和骑车人死于交通事故中,交通弱势群体的安全受到很大的威胁。相对于行人检测,人们对骑车人检测的研究较少且检测效果更差,为了降低交通事故的发生率,加强自动驾驶系统和辅助驾驶系统对骑车人的保护效果,本文研究了交通场景下的骑车人检测方法,并对其中的部分检测算法进行改进,从而提高检测效果。首先,本文对DPM算法进行了研究,DPM算法提取改进后的HOG特征,不仅降低了算法的复杂度,还能更好的描述目标的梯度方向特征。DPM算法采用多个检测模型组合的方式进行目标检测,先使用根滤波器检测出目标的大体轮廓,再使用部件滤波器检测关键部位,最后通过根滤波器和部件滤波器的综合响应计算最终的响应值,从而根据响应值判断检测区域是否含有目标。DPM算法的检测效果较好,但是检测速度慢,无法用于实时检测。其次,本文研究了基于深度学习的骑车人检测算法,主要包括YOLOv3和SSD。YOLOv3结合了YOLOv2、残差网络和FPN网络的优点,使用Darknet-53提取目标特征并在最后三个不同尺度的特征...
【文章来源】：山东大学山东省 211工程院校 985工程院校 教育部直属院校
【文章页数】：70 页
【学位级别】：硕士
【部分图文】：
图１－３骑车人检测的难点示意图??
?／＼?丨??１８０＊??图２＿１梯度方向划分示意图??（６）计算图像的ＨＯＧ特征，如图２－２所示，先将图像划分为多个Ｃｅｌｌ，??如每个Ｃｅｌｌ是６?Ｘ?６像素，然后每２?Ｘ?２个Ｃｅｌｌ组成一个Ｂｌｏｃｋ。将Ｂｌｏｃｋ中的２??Ｘ２个Ｃｅｌｌ的所有特征串联起来，构成该Ｂｌｏｃｋ的特征，然后归一化以消除光??照的影响。这样每个Ｂｌｏｃｋ是一个８ｘ４＝３２维的向量。然后设置Ｂｌｏｃｋ移动的步??长，这里的步长可以小于Ｂｌｏｃｋ的边长，即Ｂｌｏｃｋ可以重叠，在这个图像中移??动Ｂｌｏｃｋ，得到多个Ｂｌｏｃｋ特征，将所有的Ｂｌｏｃｋ的特征向量串联起来就是最终??的特征向量，即ＨＯＧ特征。??Ｃｅｌｌ?Ｂｌｏｃｋ?Ｉｍａｇｅ??＿??图２－２?Ｂｌｏｃｋ和Ｃｅｌｌ的示意图??２．２．２改进后的ＨＯＧ特征提取流程??ＤＰＭ算法提取改进后的ＨＯＧ特征，只保留原来ＨＯＧ特征中的Ｃｅｌｌ概念。??改进后的ＨＯＧ特征提取如图２－３所示：将一个８Ｘ８的Ｃｅｌｌ与其对角线临域的??４个细胞单元进行归一化操作并以每２０°为一个维度方向
１８０＊??图２＿１梯度方向划分示意图??（６）计算图像的ＨＯＧ特征，如图２－２所示，先将图像划分为多个Ｃｅｌｌ，??如每个Ｃｅｌｌ是６?Ｘ?６像素，然后每２?Ｘ?２个Ｃｅｌｌ组成一个Ｂｌｏｃｋ。将Ｂｌｏｃｋ中的２??Ｘ２个Ｃｅｌｌ的所有特征串联起来，构成该Ｂｌｏｃｋ的特征，然后归一化以消除光??照的影响。这样每个Ｂｌｏｃｋ是一个８ｘ４＝３２维的向量。然后设置Ｂｌｏｃｋ移动的步??长，这里的步长可以小于Ｂｌｏｃｋ的边长，即Ｂｌｏｃｋ可以重叠，在这个图像中移??动Ｂｌｏｃｋ，得到多个Ｂｌｏｃｋ特征，将所有的Ｂｌｏｃｋ的特征向量串联起来就是最终??的特征向量，即ＨＯＧ特征。??Ｃｅｌｌ?Ｂｌｏｃｋ?Ｉｍａｇｅ??＿??图２－２?Ｂｌｏｃｋ和Ｃｅｌｌ的示意图??２．２．２改进后的ＨＯＧ特征提取流程??ＤＰＭ算法提取改进后的ＨＯＧ特征，只保留原来ＨＯＧ特征中的Ｃｅｌｌ概念。??改进后的ＨＯＧ特征提取如图２－３所示：将一个８Ｘ８的Ｃｅｌｌ与其对角线临域的??４个细胞单元进行归一化操作并以每２０°为一个维度方向，可以得到无符号的??梯度方向９个以及有符号的梯度方向１８个
【参考文献】：
期刊论文
[1]卷积神经网络研究综述[J]. 李彦冬,郝宗波,雷航. 计算机应用. 2016(09)
[2]图像理解中的卷积神经网络[J]. 常亮,邓小明,周明全,武仲科,袁野,杨硕,王宏安. 自动化学报. 2016(09)
[3]基于HOG特征提取的骑车人检测算法研究[J]. 李彤. 电子技术与软件工程. 2015(08)
[4]一种改进的二维最小交叉熵图像分割方法[J]. 张新明,党留群,郑延斌,孙印杰,李双. 光电工程. 2010(11)
[5]图像分割的新理论和新方法[J]. 许新征,丁世飞,史忠植,贾伟宽. 电子学报. 2010(S1)
[6]图像处理中GAMMA校正的研究和实现[J]. 彭国福,林正浩. 电子工程师. 2006(02)
[7]熵——度量随机变量不确定性的一种尺度[J]. 张殿祜,方绍辉,丁潇君. 系统工程与电子技术. 1997(11)
硕士论文
[1]复杂场景下基于霍夫森林的多目标跟踪方法研究[D]. 梁付新.山东大学 2018
本文编号：2947412
【文章来源】：山东大学山东省 211工程院校 985工程院校 教育部直属院校
【文章页数】：70 页
【学位级别】：硕士
【部分图文】：
图１－３骑车人检测的难点示意图??
?／＼?丨??１８０＊??图２＿１梯度方向划分示意图??（６）计算图像的ＨＯＧ特征，如图２－２所示，先将图像划分为多个Ｃｅｌｌ，??如每个Ｃｅｌｌ是６?Ｘ?６像素，然后每２?Ｘ?２个Ｃｅｌｌ组成一个Ｂｌｏｃｋ。将Ｂｌｏｃｋ中的２??Ｘ２个Ｃｅｌｌ的所有特征串联起来，构成该Ｂｌｏｃｋ的特征，然后归一化以消除光??照的影响。这样每个Ｂｌｏｃｋ是一个８ｘ４＝３２维的向量。然后设置Ｂｌｏｃｋ移动的步??长，这里的步长可以小于Ｂｌｏｃｋ的边长，即Ｂｌｏｃｋ可以重叠，在这个图像中移??动Ｂｌｏｃｋ，得到多个Ｂｌｏｃｋ特征，将所有的Ｂｌｏｃｋ的特征向量串联起来就是最终??的特征向量，即ＨＯＧ特征。??Ｃｅｌｌ?Ｂｌｏｃｋ?Ｉｍａｇｅ??＿??图２－２?Ｂｌｏｃｋ和Ｃｅｌｌ的示意图??２．２．２改进后的ＨＯＧ特征提取流程??ＤＰＭ算法提取改进后的ＨＯＧ特征，只保留原来ＨＯＧ特征中的Ｃｅｌｌ概念。??改进后的ＨＯＧ特征提取如图２－３所示：将一个８Ｘ８的Ｃｅｌｌ与其对角线临域的??４个细胞单元进行归一化操作并以每２０°为一个维度方向
１８０＊??图２＿１梯度方向划分示意图??（６）计算图像的ＨＯＧ特征，如图２－２所示，先将图像划分为多个Ｃｅｌｌ，??如每个Ｃｅｌｌ是６?Ｘ?６像素，然后每２?Ｘ?２个Ｃｅｌｌ组成一个Ｂｌｏｃｋ。将Ｂｌｏｃｋ中的２??Ｘ２个Ｃｅｌｌ的所有特征串联起来，构成该Ｂｌｏｃｋ的特征，然后归一化以消除光??照的影响。这样每个Ｂｌｏｃｋ是一个８ｘ４＝３２维的向量。然后设置Ｂｌｏｃｋ移动的步??长，这里的步长可以小于Ｂｌｏｃｋ的边长，即Ｂｌｏｃｋ可以重叠，在这个图像中移??动Ｂｌｏｃｋ，得到多个Ｂｌｏｃｋ特征，将所有的Ｂｌｏｃｋ的特征向量串联起来就是最终??的特征向量，即ＨＯＧ特征。??Ｃｅｌｌ?Ｂｌｏｃｋ?Ｉｍａｇｅ??＿??图２－２?Ｂｌｏｃｋ和Ｃｅｌｌ的示意图??２．２．２改进后的ＨＯＧ特征提取流程??ＤＰＭ算法提取改进后的ＨＯＧ特征，只保留原来ＨＯＧ特征中的Ｃｅｌｌ概念。??改进后的ＨＯＧ特征提取如图２－３所示：将一个８Ｘ８的Ｃｅｌｌ与其对角线临域的??４个细胞单元进行归一化操作并以每２０°为一个维度方向，可以得到无符号的??梯度方向９个以及有符号的梯度方向１８个
【参考文献】：
期刊论文
[1]卷积神经网络研究综述[J]. 李彦冬,郝宗波,雷航. 计算机应用. 2016(09)
[2]图像理解中的卷积神经网络[J]. 常亮,邓小明,周明全,武仲科,袁野,杨硕,王宏安. 自动化学报. 2016(09)
[3]基于HOG特征提取的骑车人检测算法研究[J]. 李彤. 电子技术与软件工程. 2015(08)
[4]一种改进的二维最小交叉熵图像分割方法[J]. 张新明,党留群,郑延斌,孙印杰,李双. 光电工程. 2010(11)
[5]图像分割的新理论和新方法[J]. 许新征,丁世飞,史忠植,贾伟宽. 电子学报. 2010(S1)
[6]图像处理中GAMMA校正的研究和实现[J]. 彭国福,林正浩. 电子工程师. 2006(02)
[7]熵——度量随机变量不确定性的一种尺度[J]. 张殿祜,方绍辉,丁潇君. 系统工程与电子技术. 1997(11)
硕士论文
[1]复杂场景下基于霍夫森林的多目标跟踪方法研究[D]. 梁付新.山东大学 2018
本文编号：2947412
本文链接：https://www.wllwen.com/kejilunwen/dianzigongchenglunwen/2947412.html
