当前位置:主页 > 科技论文 > 汽车论文 >

基于机器视觉的行人检测和测距方法的研究

发布时间:2021-06-25 10:45
  基于机器视觉的行人检测与测距方法是车辆辅助驾驶系统的重要组成部分,可以为驾驶员提供车辆行驶过程中行人的位置和距离信息,为交通安全提供有效保障。本文对基于可形变模型(Deformable Part Model,DPM)的行人检测算法及基于单目视觉的测距算法进行了较为深入的研究,具体工作包括以下三个方面:1、本文从行人特征提取及表示、行人检测分类器以及行人检测算法的评价标准三个方面对行人检测理论进行了较为详细的介绍,并对常用的公共行人检测数据集做了说明。2、对DPM算法中改进的HOG特征提取、特征金字塔构造、非极大值抑制以及DPM模型结构进行了研究。将HOG+SVM检测算法和DPM检测算法在ETH数据集上进行测试,测试结果表明,DPM检测算法具有更好的检测精度。由于DPM检测算法采用了多部件模型进行联合检测,检测效率不高。针对这一不足,本文提出相邻尺度特征近似估算的方法来构建DPM检测算法中的特征金字塔。将改进后的算法在ETH数据集上进行测试,实验结果表明,与DPM检测算法相比,在保证精度的前提下,本文算法提高了检测算法的检测效率,平均每帧检测时间为0.16s。3、在获得行人位置的基础上,... 

【文章来源】:长安大学陕西省 211工程院校 教育部直属院校

【文章页数】:73 页

【学位级别】:硕士

【部分图文】:

基于机器视觉的行人检测和测距方法的研究


成像的几何模型

数据集,示例,行人


共数据集为各领域的研究提供了客观、统一的数据,行人检测有着广泛的成为计算机视觉领域中的热点问题。为了给研究者提供完善、多样化的点不同、侧重点不同的公共行人数据集被发布出来,对行人检测学习算法性能评估提供了丰富的数据来源和相对统一的客观依据[33]。RIA 数据集RIA 数据集由 Dalal 创建,是当前最常用的静态行人检测数据库。数据集)GRAZ01 数据集的图像;(2)个人拍摄的图像集;(3)谷歌网络拍摄的数据集由两部分构成:训练图像数据集和测试图像数据集,训练图像数据 614 张图片,负样本有 1218 张图片;测试图像训练集中正样本有 288 张集有 453 张图片。作者在给出原始行人图像的同时,也提供了完整的标据集中的行人大部分的行人都是站立的,并且图像中行人的高度都大于 于算法的训练和检测。该数据集的示例图像如图 2.1 所示。

数据集,示例,行人


图 2.2 ETH 数据集示例VC 行人数据集数据集目前包含十五个数据子集(CVC-01~CVC-15),同时还在不断的更包括车载摄像机上获取的行人视频、虚拟世界行人(带有部分注释)和被主要用于智能辅助驾驶中的行人检测研究。该数据集的示例图像如图 2.3

【参考文献】:
期刊论文
[1]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)
[2]基于统计分类的行人检测方法综述[J]. 李威,王鹏杰,宋海玉.  系统仿真学报. 2016(09)
[3]基于改进HOG-LBP特征的行人检测[J]. 韩田甜,李航,张涛.  信息工程大学学报. 2016(03)
[4]基于运动和外形度量的多目标行人跟踪[J]. 花景培,陈昌红,干宗良,刘峰.  南京邮电大学学报(自然科学版). 2016(01)
[5]行人检测中非极大值抑制算法的改进[J]. 陈金辉,叶西宁.  华东理工大学学报(自然科学版). 2015(03)
[6]基于多尺度特征近似计算的行人检测方法[J]. 崔剑,侯晓荣.  电脑与电信. 2015(04)
[7]基于幅度调制的连续微波雷达测距研究[J]. 郑大青,陈伟民,陈丽,李存龙,章鹏.  电子与信息学报. 2015(01)
[8]基于机器视觉的机器人测距研究[J]. 李云鹏.  传感器世界. 2014(04)
[9]基于人体典型部位特征组合的行人检测方法[J]. 郭烈,葛平淑,赵一兵,赵宗艳.  汽车工程. 2014(04)
[10]改进型WLD与LBP特征融合的行人检测[J]. 谭飞刚,殷苌茗,周书仁.  计算机工程. 2014(03)

硕士论文
[1]基于多特征和Adaboost的行人检测研究[D]. 周全良.南京邮电大学 2014
[2]基于单目视觉的前方车辆检测和测距方法研究[D]. 冯月.北京化工大学 2013
[3]基于双目视觉信息的运动物体实时跟踪与测距[D]. 祝琨.北京交通大学 2008
[4]摄像机标定及相关技术研究[D]. 谭晓波.国防科学技术大学 2004



本文编号:3249069

资料下载
论文发表

本文链接:https://www.wllwen.com/kejilunwen/qiche/3249069.html


Copyright(c)文论论文网All Rights Reserved | 网站地图 |

版权申明:资料由用户24b64***提供,本站仅收录摘要或目录,作者需要删除请E-mail邮箱bigeng88@qq.com