智能驾驶状况下的行人检测方法研究
发布时间：2021-05-09 11:57
高级智能辅助驾驶系统乃至自动驾驶的实现与普及,将在很大程度上改善当前交通拥挤的情况和有效降低频发的交通安全事故。行人检测技术作为自动驾驶技术的核心,其精准性、实时性、复杂性将直接决定着自动驾驶的发展。基于机器视觉的行人检测技术因其框架简洁直观、适应性强,在自动驾驶、智能监控、智能机器人等领域得到了广泛的研究和应用。然而由于行人非刚性特点所导致的姿态多变外加服饰多样、光照、遮挡等复杂因素的影响,为行人的准确检测带来了很大的困难。本文在分析了各种行人检测技术原理和优缺点的基础上,主要从行人特征的增强和降低行人局部信息对行人整体的影响两个方面着手研究,提出了一种HOG与Gabor融合特征并结合可变形部件模型思想的行人检测方法,两方面研究的主要内容和结论如下:（1）为了弥补单一的特征对行人信息描述的不足,本文将对行人轮廓信息有很好的描述能力的HOG特征与对行人边缘和纹理信息有很好描述能力的Gabor特征以加权融合的方式组合成新的强化特征用于行人检测,并在目前较大的INRIA数据集和更复杂的自制数据集SIC上做了检测对比实验。（2）为了降低遮挡情况下的行人的误检率和漏检率,本文在融合特征的基础上...
【文章来源】：河北工程大学河北省
【文章页数】：83 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第1章 绪论
1.1 研究背景与意义
1.2 国内外研究发展概要
1.3 本文研究的主要内容和结构安排
第2章 行人检测技术分析
2.1 前言
2.2 经典的行人特征提取算法
2.2.1 Haar-like特征
2.2.2 SIFT与 HOG特征
2.2.3 Gabor与 LBP特征
2.3 经典的行人检测分类与定位算法
2.3.1 SVM分类算法
2.3.2 Adaboost分类算法
2.4 基于卷积神经网络的行人检测算法
2.4.1 AlexNet
2.4.2 从RCNN到 Faster-RCNN
2.4.3 从YOLO-v1到YOLO-v3
2.5 本章小结
第3章 基于融合特征的行人检测
3.1 前言
3.2 图像的预处理
3.2.1 图像灰度化
3.2.2 图像增强和去噪处理
3.3 HOG特征提取行人轮廓信息
3.3.1 空间颜色标准化
3.3.2 图像梯度计算
3.3.3 梯度直方图的计算统计与归一化
3.4 Gabor特征提取行人纹理特征
3.4.1 Gabor滤波器组的构建
3.4.2 Gabor特征的提取
3.5 HOG与 Gabor单特征检测对比实验
3.5.1 实验环境配置
3.5.2 训练与检测流程
3.5.3 行人检测性能评价指标
3.5.4 INRIA数据集上的检测对比实验
3.5.5 自制数据集SIC上的检测对比实验
3.6 HOG与 Gabor特征的融合与降维
3.6.1 特征融合
3.6.2 特征降维
3.7 HOG与 Gabor融合特征检测对比实验
3.8 本章小结
第4章 融合特征下基于多部位组合的行人检测方法
4.1 前言
4.2 多部位组合检测思想
4.2.1 DPM模型
4.2.2 DPM算法检测流程
4.3 多尺度快速扫描窗口
4.3.1 多尺度扫描窗口的建立
4.3.2 快速扫描窗口的建立
4.4 融合特征结合DPM思想的行人检测
4.4.1 自适应组合分类器的构建
4.4.2 特征提取和检测流程
4.5 实验及结果
4.6 本章小结
总结与展望
参考文献
致谢
作者简介
攻读学位期间发表论文与研究成果清单
【参考文献】：
期刊论文
[1]基于小波阈值和全变分模型的图像去噪[J]. 张弘,周晓莉. 计算机应用研究. 2019(11)
[2]中国汽车工程学术研究综述·2017[J]. 《中国公路学报》编辑部. 中国公路学报. 2017(06)
博士论文
[1]基于激光雷达的智能车辆目标识别与跟踪关键技术研究[D]. 周俊静.北京工业大学 2014
硕士论文
[1]基于小波变换图像去噪及边缘检测研究[D]. 胡志峰.东华理工大学 2018
[2]基于激光扫描雷达的自动驾驶技术研究[D]. 李赵.北方工业大学 2018
[3]基于激光雷达与摄像机的车辆辅助驾驶技术研究[D]. 王帅.吉林大学 2018
[4]高维数据降维处理关键技术研究[D]. 李蝉娟.电子科技大学 2017
[5]基于可变形部件模型的目标检测技术研究[D]. 董彦汝.北京邮电大学 2017
[6]基于多核学习的多标签特征降维算法研究[D]. 吴斌.南京师范大学 2017
[7]基于金字塔层定位的DPM快速行人检测方法研究[D]. 刘洋.天津工业大学 2017
[8]基于特征融合与在线学习的行人检测算法研究与实现[D]. 单玉泽.南京邮电大学 2016
[9]交通环境中的行人检测问题的研究[D]. 韩春.吉林大学 2016
[10]基于DPM的行人检测和行人特征提取算法研究[D]. 陈芝垚.电子科技大学 2016
本文编号：3177265
【文章来源】：河北工程大学河北省
【文章页数】：83 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第1章 绪论
1.1 研究背景与意义
1.2 国内外研究发展概要
1.3 本文研究的主要内容和结构安排
第2章 行人检测技术分析
2.1 前言
2.2 经典的行人特征提取算法
2.2.1 Haar-like特征
2.2.2 SIFT与 HOG特征
2.2.3 Gabor与 LBP特征
2.3 经典的行人检测分类与定位算法
2.3.1 SVM分类算法
2.3.2 Adaboost分类算法
2.4 基于卷积神经网络的行人检测算法
2.4.1 AlexNet
2.4.2 从RCNN到 Faster-RCNN
2.4.3 从YOLO-v1到YOLO-v3
2.5 本章小结
第3章 基于融合特征的行人检测
3.1 前言
3.2 图像的预处理
3.2.1 图像灰度化
3.2.2 图像增强和去噪处理
3.3 HOG特征提取行人轮廓信息
3.3.1 空间颜色标准化
3.3.2 图像梯度计算
3.3.3 梯度直方图的计算统计与归一化
3.4 Gabor特征提取行人纹理特征
3.4.1 Gabor滤波器组的构建
3.4.2 Gabor特征的提取
3.5 HOG与 Gabor单特征检测对比实验
3.5.1 实验环境配置
3.5.2 训练与检测流程
3.5.3 行人检测性能评价指标
3.5.4 INRIA数据集上的检测对比实验
3.5.5 自制数据集SIC上的检测对比实验
3.6 HOG与 Gabor特征的融合与降维
3.6.1 特征融合
3.6.2 特征降维
3.7 HOG与 Gabor融合特征检测对比实验
3.8 本章小结
第4章 融合特征下基于多部位组合的行人检测方法
4.1 前言
4.2 多部位组合检测思想
4.2.1 DPM模型
4.2.2 DPM算法检测流程
4.3 多尺度快速扫描窗口
4.3.1 多尺度扫描窗口的建立
4.3.2 快速扫描窗口的建立
4.4 融合特征结合DPM思想的行人检测
4.4.1 自适应组合分类器的构建
4.4.2 特征提取和检测流程
4.5 实验及结果
4.6 本章小结
总结与展望
参考文献
致谢
作者简介
攻读学位期间发表论文与研究成果清单
【参考文献】：
期刊论文
[1]基于小波阈值和全变分模型的图像去噪[J]. 张弘,周晓莉. 计算机应用研究. 2019(11)
[2]中国汽车工程学术研究综述·2017[J]. 《中国公路学报》编辑部. 中国公路学报. 2017(06)
博士论文
[1]基于激光雷达的智能车辆目标识别与跟踪关键技术研究[D]. 周俊静.北京工业大学 2014
硕士论文
[1]基于小波变换图像去噪及边缘检测研究[D]. 胡志峰.东华理工大学 2018
[2]基于激光扫描雷达的自动驾驶技术研究[D]. 李赵.北方工业大学 2018
[3]基于激光雷达与摄像机的车辆辅助驾驶技术研究[D]. 王帅.吉林大学 2018
[4]高维数据降维处理关键技术研究[D]. 李蝉娟.电子科技大学 2017
[5]基于可变形部件模型的目标检测技术研究[D]. 董彦汝.北京邮电大学 2017
[6]基于多核学习的多标签特征降维算法研究[D]. 吴斌.南京师范大学 2017
[7]基于金字塔层定位的DPM快速行人检测方法研究[D]. 刘洋.天津工业大学 2017
[8]基于特征融合与在线学习的行人检测算法研究与实现[D]. 单玉泽.南京邮电大学 2016
[9]交通环境中的行人检测问题的研究[D]. 韩春.吉林大学 2016
[10]基于DPM的行人检测和行人特征提取算法研究[D]. 陈芝垚.电子科技大学 2016
本文编号：3177265
本文链接：https://www.wllwen.com/kejilunwen/qiche/3177265.html
