車輛前方行人檢測算法的研究.pdf

1、基于單目視覺的行人檢測其在車輛行駛安全系統(tǒng)中的重要地位已經(jīng)成為當前單目視覺和車輛行駛安全領域最為重要的一個研究課題。它的核心是將攝像頭安裝在車輛上來檢測行人，以便預測出潛在的可能發(fā)生的危險并及時采取相應的措施保護行人。行人檢測系統(tǒng)目標是在行進的汽車上建立一個相對獨立的、智能化的行人檢測系統(tǒng)，此系統(tǒng)能夠提高駕駛人員的安全性，同時保障行人生命以及財產(chǎn)的安全。
　　隨著社會的不斷進步，經(jīng)濟的不斷發(fā)展，相關技術研究的深入，行人檢測技術在可

2、以控制的環(huán)境下已經(jīng)取得一些成果。可是，行人是具有相當復雜的細節(jié)變化的自然目標，這種復雜且細節(jié)的變化使得行人檢測的難度加大，其主要表現(xiàn)在行人的姿勢、步態(tài)、遮擋、不同天氣（晴、雨、雪等）及光照條件等，而且圖像或著是視頻中的行人往往是在錯綜復雜的環(huán)境中，使得人體的檢測與人體的跟蹤成為計算機的視覺研究領域當中最為困難的一項挑戰(zhàn)之一。
　　本文針對行人檢測與跟蹤當中遇到的行人的姿勢、步態(tài)、遮擋、光照條件等問題，研究并提出了相應的解決辦法，不

3、同天氣下（晴、雨、雪等）行人分割問題是本文研究的重點，最終的目標是建立一套較為完整的行人檢測與防碰系統(tǒng)，滿足現(xiàn)實應用中的需要。主要研究的內(nèi)容包括以下幾個方面:
　　(1)迅速、有效、準確的行人分割算法?；陬怘aar特征和AdaBoost學習算法訓練分類器，使訓練的分類器能滿足基本實用化的要求。
　　(2)不同天氣（晴、雨、雪等）下行人檢測的處理。將基于類Haar特征和AdaBoost學習算法訓練得到的多級弱分類器進行聯(lián)級訓

4、練得到強分類器，實現(xiàn)不同天氣（晴、雨、雪等）情況下的檢測，擴展了此算法的實際應用的范圍。
　　(3)提出了基于二進制粒子群優(yōu)化(BPSO)行人識別算法，以提高行人識別的準確性。
　　(4)基于結合Mean-Shift的Kalman行人跟蹤算法對目標進行跟蹤。此算法的提出對多行人的跟蹤有著重要的意義。本文運用此方法進行二維空間的運動仿真研究和室外環(huán)境下的實驗測試分析。
　　(5)在行人檢測系統(tǒng)的基礎上建立防碰系統(tǒng)，將算法