基于积分通道的多尺度行人检测与跟踪方法研究
发布时间：2022-10-06 15:58
近年来,汽车渐渐成为人们外出依赖的交通工具,随着人工智能领域取得的重大进步,智能辅助驾驶系统也越来越成为关注的热点。行人检测技术是汽车辅助驾驶不可或缺的一部分,及时、准确地识别车辆前方的行人,可以有效地降低交通事故的发生。在实际应用中,由于处在开放的环境中,在考虑行人的服饰、位姿、遮挡等因素的同时,还要考虑路况变化和光线变化等影响,使得完善行人检测技术仍是一个难题。因此,提高行人检测算法的准确性、实时性和鲁棒性的是走向实际应用的关键问题,具有深远的研究意义。本论文在国家重点研发计划项目（2016YFB0101102）“电动汽车智能辅助驾驶技术研发及产业化”的资助下,以室外行驶工况下的车辆以及车载相机为研究对象,主要研究如何通过视觉检测以及跟踪算法,实现车辆在各种运动模式下,均能够实现对影响行车的行人做出有效的检测及跟踪。通过行人检测跟踪系统,来实现行车过程中的行人检测以及跟踪任务。本文通过大量的文献以及实验主要完成了如下4个任务:1)详细介绍了辅助驾驶行人检测跟踪系统的研究背景、意义以及国内外行人检测跟踪的技术的研究现状。对行人特征进行了进一步深入研究,选取HOG特征和积分通道特征,经...
【文章页数】：65 页
【学位级别】：硕士
【文章目录】：
摘要
abstract
第1章 绪论
1.1 课题研究背景及意义
1.2 本文研究问题的国内外现状
1.2.1 行人检测研究现状
1.2.2 行人跟踪研究现状
1.3 本文的主要内容和结构安排
1.3.1 科研项目资助情况
1.3.2 主要研究内容和技术路线
1.3.3 本文的结构安排
第2章 行人特征描述
2.1 颜色特征
2.1.1 RGB颜色空间模型
2.1.2 LUV颜色空间模型
2.2 梯度特征
2.2.1 梯度幅值
2.2.2 HOG特征
2.3 积分通道特征
2.3.1 积分图算法
2.3.2 计算积分通道特征
2.4 本章小结
第3章 行人检测方法研究
3.1 图像金字塔
3.1.1 图像金字塔模型
3.1.2 快速特征金字塔
3.1.3 行人特征提取
3.2 分类器设计
3.2.1 SVM分类器
3.2.2 HOG+SVM行人检测
3.2.3 Adaboost分类器
3.2.4 ACF行人检测
3.3 窗口重叠现象的消除
3.4 本章小结
第4章 行人跟踪算法研究及实验
4.1 跟踪算法
4.1.1 Mean Shift
4.1.2 Cam Shift
4.1.3 粒子滤波算法
4.1.4 Kalman滤波跟踪算法
4.2 行人跟踪实验结果与分析
4.2.1 软件界面设计
4.2.2 行人漏检情况
4.2.3 行人误检情况
4.2.4 多工况下行人检测及跟踪结果
4.2.5 行人检测及跟踪方法的统计实验
4.3 本章小结
第5章 总结
5.1 全文研究工作总结
5.2 下一步科研计划安排
参考文献
作者简介及科研成果
致谢
【参考文献】：
期刊论文
[1]雨天环境基于HOG-SIFT特征稀疏表示的行人检测[J]. 陶春,陈淑荣. 微型机与应用. 2017(07)
[2]应用HOG-CHT组合特征的行人检测[J]. 李永顺,李垣江,张尤赛,王亚军. 江苏科技大学学报(自然科学版). 2017(01)
[3]密集人群场景下的行人检测与跟踪[J]. 曹瑞,王敏,段潇潇. 计算机与现代化. 2017(01)
[4]重要性采样方法对蒙特卡罗计算效率的影响分析[J]. 吕景彬,郭卫群,刘宝宝. 核动力工程. 2016(04)
[5]运动目标跟踪综述[J]. 曾巧玲,文贡坚. 重庆理工大学学报(自然科学). 2016(07)
[6]改进积分通道特征的快速多尺度行人检测[J]. 黄鹏,于凤芹,陈莹. 计算机工程与应用. 2017(14)
[7]一种基于HOG与LSS融合的行人检测算法[J]. 顾志航,陈淑荣. 微型机与应用. 2016(08)
[8]激光与单目视觉融合的移动机器人运动目标跟踪[J]. 苑晶,刘钢墩,孙沁璇. 控制理论与应用. 2016(02)
[9]基于帧间特征和连通域检测的人数统计[J]. 朱家新,郭德全,兰时勇. 计算机技术与发展. 2016(02)
[10]汽车智能辅助驾驶系统的发展与展望[J]. 郝俊. 科技与创新. 2015(24)
硕士论文
[1]基于车载摄像头的行人检测算法研究[D]. 刘广峰.吉林大学 2018
[2]基于区域分类与目标检测相融合的交通场景分析[D]. 李午申.北京交通大学 2017
[3]基于粒子滤波目标跟踪算法研究[D]. 吴建伟.浙江理工大学 2014
本文编号：3686938
【文章页数】：65 页
【学位级别】：硕士
【文章目录】：
摘要
abstract
第1章 绪论
1.1 课题研究背景及意义
1.2 本文研究问题的国内外现状
1.2.1 行人检测研究现状
1.2.2 行人跟踪研究现状
1.3 本文的主要内容和结构安排
1.3.1 科研项目资助情况
1.3.2 主要研究内容和技术路线
1.3.3 本文的结构安排
第2章 行人特征描述
2.1 颜色特征
2.1.1 RGB颜色空间模型
2.1.2 LUV颜色空间模型
2.2 梯度特征
2.2.1 梯度幅值
2.2.2 HOG特征
2.3 积分通道特征
2.3.1 积分图算法
2.3.2 计算积分通道特征
2.4 本章小结
第3章 行人检测方法研究
3.1 图像金字塔
3.1.1 图像金字塔模型
3.1.2 快速特征金字塔
3.1.3 行人特征提取
3.2 分类器设计
3.2.1 SVM分类器
3.2.2 HOG+SVM行人检测
3.2.3 Adaboost分类器
3.2.4 ACF行人检测
3.3 窗口重叠现象的消除
3.4 本章小结
第4章 行人跟踪算法研究及实验
4.1 跟踪算法
4.1.1 Mean Shift
4.1.2 Cam Shift
4.1.3 粒子滤波算法
4.1.4 Kalman滤波跟踪算法
4.2 行人跟踪实验结果与分析
4.2.1 软件界面设计
4.2.2 行人漏检情况
4.2.3 行人误检情况
4.2.4 多工况下行人检测及跟踪结果
4.2.5 行人检测及跟踪方法的统计实验
4.3 本章小结
第5章 总结
5.1 全文研究工作总结
5.2 下一步科研计划安排
参考文献
作者简介及科研成果
致谢
【参考文献】：
期刊论文
[1]雨天环境基于HOG-SIFT特征稀疏表示的行人检测[J]. 陶春,陈淑荣. 微型机与应用. 2017(07)
[2]应用HOG-CHT组合特征的行人检测[J]. 李永顺,李垣江,张尤赛,王亚军. 江苏科技大学学报(自然科学版). 2017(01)
[3]密集人群场景下的行人检测与跟踪[J]. 曹瑞,王敏,段潇潇. 计算机与现代化. 2017(01)
[4]重要性采样方法对蒙特卡罗计算效率的影响分析[J]. 吕景彬,郭卫群,刘宝宝. 核动力工程. 2016(04)
[5]运动目标跟踪综述[J]. 曾巧玲,文贡坚. 重庆理工大学学报(自然科学). 2016(07)
[6]改进积分通道特征的快速多尺度行人检测[J]. 黄鹏,于凤芹,陈莹. 计算机工程与应用. 2017(14)
[7]一种基于HOG与LSS融合的行人检测算法[J]. 顾志航,陈淑荣. 微型机与应用. 2016(08)
[8]激光与单目视觉融合的移动机器人运动目标跟踪[J]. 苑晶,刘钢墩,孙沁璇. 控制理论与应用. 2016(02)
[9]基于帧间特征和连通域检测的人数统计[J]. 朱家新,郭德全,兰时勇. 计算机技术与发展. 2016(02)
[10]汽车智能辅助驾驶系统的发展与展望[J]. 郝俊. 科技与创新. 2015(24)
硕士论文
[1]基于车载摄像头的行人检测算法研究[D]. 刘广峰.吉林大学 2018
[2]基于区域分类与目标检测相融合的交通场景分析[D]. 李午申.北京交通大学 2017
[3]基于粒子滤波目标跟踪算法研究[D]. 吴建伟.浙江理工大学 2014
本文编号：3686938
本文链接：https://www.wllwen.com/kejilunwen/qiche/3686938.html
