基于改进的DPM的车辆和行人目标检测和识别
发布时间：2020-07-08 10:40
【摘要】：目标检测技术是计算机视觉领域重要的研究方向之一,检测技术的发展有效的帮助人们解决了很多问题,并广泛的应用在现实生活中。可变形部件模型(Deformable Part Model,DPM)是目标检测技术中非常流行的一种方法。DPM是基于方向梯度直方图(Histogram of Oriented Gradients,简称HOG)特征的目标检测模型,相比于其他的目标检测技术,DPM可以很好地解决光照因素对检测结果的影响,同时在模糊可视性方面还占有很大的优势,具有极高的识别正确率。目前DPM仍存在一些缺陷。DPM在HOG基础上进行改进,但是原始HOG特征中仍存在一些缺陷,使得DPM目标检测效果不够理想。本文主要针对DPM的两个缺陷进行改进。一,DPM是在HOG特征的基础上进行改进来提取特征,其中HOG的优点之一是HOG表示的是边缘(梯度)的结构特征,可以描述局部的形状信息。但在平滑区域内,HOG不能有效地体现区域特征信息。且当目标对象与其图片背景颜色差距不大时,HOG也不能清晰地给出目标对象和背景之间的边缘轮廓。二,DPM针对混合模型检测目标对象的判定标准,通过分数辨定当前检测图片中是否存在目标检测对象。这个分数是两部分分数之和:一是根滤波器得分,二是部件滤波器分数总和。当检测的图片中目标对象存在遮挡问题时,部件滤波器在特征提取时部件不能够很好地得到较为全面的特征信息,导致获取特征信息模糊,可能导致遮部件位置检测正确时,部件滤波器计分偏低,从而使最高分偏低,造成目标检测时发生漏测现象。本文中,针对上述DPM的两个问题进行优化,提出来一种基于多融合特征的DPM算法,主要改进点有两点:一提出来基于HOG和旋转不变性等价局部二值模式(Local Binary Pattern,简称LBP)特征的HL融合特征作为DPM的特征提取,既能够得到梯度信息,又能够有效的表示图片的纹理信息,有效的解决了在平滑区域内,HOG不能有效地体现其特征信息的问题,同时,也解决了当目标对象与其图片背景颜色差距不大时,HOG不能很好地体现目标对象和背景之间的边缘轮廓的问题。二是提出加权部件模型,用于提高有效信息部件滤波器的利用率,在目标检测过程中,当存在被遮挡时,能够对不同部件滤波器的重要度进行一个区分,使得有效特征信息的部件的权值变大,响应分变高,特征信息较少或者没有检测到特征信息的比重变小,这样能够充分地发挥有用部件的作用,避免了因遮挡造成的检测信息浪费,很大的提高了检测正确率。实验证明,这一模型可以有效解决本文中提出的原始DPM存在的问题,提高目标检测的正确率。
【学位授予单位】：吉林大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：TP391.41
【图文】：
平面交叉口概况简介所研究的是平面交叉口。所说的平面交叉口即所有道路都在同，不涉及到立交桥式的路口。立交桥是多个道路在不同的平面平面交叉口就是十字路口。大城市设计之初，为了便于规划，都希望将城市设计得方方正正，这样的交叉口就都是十字路口还有 T 型和 Y 型的。为了便于研究，本文所涉及到的交叉路口口。交叉口所指向的不同方向的道路上的车驶向不同方向，这成为交通事故易发点，称之为冲突点。十字路口通常有 16 个事故易发点均针对机动车而言。如果道路上还有非机动车道，古代车辆稀少，同时通过路口的则更少，不需要交警组织。现窄，通过交叉路口时需要人为或者红绿灯进行组织规划行进秩证交通安全，保证持续的通行。当然，还需要各种交通标志来
图 2.2 平面交叉口形式图绿信比：指交通灯单位周期内车辆通行的时间与周期的比例。即某相位有效绿灯时间和该相位周期的比。通常绿信比用λ表示。其公式为：λ= g/C。车流量：即单位时间内，某路段通过的所有车辆的总和。车流量公式为：车流量=单位时间*车速/（车距+车身长）排队长度：指某个相位路口的实线以内停止等待通行的所有车的长度总和。是衡量路口是否拥堵的重要指标。延误：实际通过路口所用时间和应该通过路口所用时间的差。这个时间差由多个因素导致：其他道次的车的干扰、司机本身不可控的意外、前方车辆急刹车导致的急停等等。在本文主要是指汽车起步到正常行驶所损失的时间。延误是衡量车辆通行快慢的重要标准。停车次数：停车次数是指从一个交叉口到另一个交叉口之间一辆车停车的次数，在计算中通常都用平均停车次数。它是信号灯配时的重要优化指标。通行能力：指在单位时间内某路段或者某交叉口可以通过车辆的最大值。
9图 2.3 韦伯斯特算法流程图典型的改进算法有如下几种：澳大利亚的科学家 R.阿克塞利克将 webster 的公式进行了优化，增添了停车补偿系数这一指标[2]。他将车辆总的延误时间和总的停车次数通过补偿系数结合在了一起，这样利用双重指标来对信号灯配时进行评价，更优于 webster 的配时方法。但是，在公式中，补偿系数 K 并没有定量的计算说明，只是一个定性的分析。同时，该模型也并未考虑通行能力，排队长队等因素。
【学位授予单位】：吉林大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：TP391.41
【图文】：
平面交叉口概况简介所研究的是平面交叉口。所说的平面交叉口即所有道路都在同，不涉及到立交桥式的路口。立交桥是多个道路在不同的平面平面交叉口就是十字路口。大城市设计之初，为了便于规划，都希望将城市设计得方方正正，这样的交叉口就都是十字路口还有 T 型和 Y 型的。为了便于研究，本文所涉及到的交叉路口口。交叉口所指向的不同方向的道路上的车驶向不同方向，这成为交通事故易发点，称之为冲突点。十字路口通常有 16 个事故易发点均针对机动车而言。如果道路上还有非机动车道，古代车辆稀少，同时通过路口的则更少，不需要交警组织。现窄，通过交叉路口时需要人为或者红绿灯进行组织规划行进秩证交通安全，保证持续的通行。当然，还需要各种交通标志来
图 2.2 平面交叉口形式图绿信比：指交通灯单位周期内车辆通行的时间与周期的比例。即某相位有效绿灯时间和该相位周期的比。通常绿信比用λ表示。其公式为：λ= g/C。车流量：即单位时间内，某路段通过的所有车辆的总和。车流量公式为：车流量=单位时间*车速/（车距+车身长）排队长度：指某个相位路口的实线以内停止等待通行的所有车的长度总和。是衡量路口是否拥堵的重要指标。延误：实际通过路口所用时间和应该通过路口所用时间的差。这个时间差由多个因素导致：其他道次的车的干扰、司机本身不可控的意外、前方车辆急刹车导致的急停等等。在本文主要是指汽车起步到正常行驶所损失的时间。延误是衡量车辆通行快慢的重要标准。停车次数：停车次数是指从一个交叉口到另一个交叉口之间一辆车停车的次数，在计算中通常都用平均停车次数。它是信号灯配时的重要优化指标。通行能力：指在单位时间内某路段或者某交叉口可以通过车辆的最大值。
9图 2.3 韦伯斯特算法流程图典型的改进算法有如下几种：澳大利亚的科学家 R.阿克塞利克将 webster 的公式进行了优化，增添了停车补偿系数这一指标[2]。他将车辆总的延误时间和总的停车次数通过补偿系数结合在了一起，这样利用双重指标来对信号灯配时进行评价，更优于 webster 的配时方法。但是，在公式中，补偿系数 K 并没有定量的计算说明，只是一个定性的分析。同时，该模型也并未考虑通行能力，排队长队等因素。
【参考文献】
相关期刊论文 前10条
1 张凌煊;祝进城;帅斌;;考虑行人效益的拥挤交叉口多目标配时优化[J];计算机工程与应用;2015年16期
2 顾嘉q
本文编号：2746441
本文链接：https://www.wllwen.com/kejilunwen/jiaotonggongchenglunwen/2746441.html
