智能輔助駕駛系統(tǒng)中的行人檢測(cè).pdf

1、進(jìn)入21世紀(jì)以來，不論是在發(fā)達(dá)國(guó)家還是發(fā)展中國(guó)家，交通事故已成為一個(gè)嚴(yán)重的社會(huì)問題。智能輔助駕駛系統(tǒng)是為應(yīng)對(duì)這一問題而誕生的，其重要的子系統(tǒng)基于計(jì)算機(jī)視覺的行人保護(hù)系統(tǒng)已成為應(yīng)用計(jì)算機(jī)視覺技術(shù)改善交通安全的重點(diǎn)研究方向。在行人保護(hù)系統(tǒng)中，從車載攝像頭所獲取的實(shí)時(shí)交通場(chǎng)景中檢測(cè)行人是關(guān)鍵。
　　由于行人外觀的多變性、車載系統(tǒng)下背景的復(fù)雜動(dòng)態(tài)特性和實(shí)時(shí)性的要求，使車載系統(tǒng)下的行人檢測(cè)問題具有極大的挑戰(zhàn)性。目前關(guān)于智能輔助駕駛系統(tǒng)中的行

2、人檢測(cè)的方法也較多，大多數(shù)方案是基于特征選擇和機(jī)器學(xué)習(xí)的，但是，由于大量特征的計(jì)算和全局搜索難以達(dá)到實(shí)時(shí)計(jì)算的要求。因此，如何能將待檢測(cè)窗口限制在盡量少的范圍內(nèi)就顯得十分重要。論文提出了一種改進(jìn)的基于立體視覺的攝像機(jī)角度估計(jì)自適應(yīng)圖像采樣方法，加上對(duì)空間信息的分析，將大量不包含行人的窗口過濾掉，有效減少了計(jì)算時(shí)間。論文采用基于類 Haar特征和AdaBoost學(xué)習(xí)方法以及基于HOG特征的SVM學(xué)習(xí)方法兩種方法設(shè)計(jì)的分類器。
　　本