基于邊緣特征的行人檢測技術(shù)研究與實現(xiàn).pdf

1、隨著經(jīng)濟的迅速發(fā)展，汽車使用量迅速增加，雖然道路也隨之不斷擴展，道路交通負荷還是比較嚴重，交通事故發(fā)生頻繁。由于道路交通事故中，行人在遭遇危險時避開車輛的能力較差，因此行人檢測技術(shù)得到了汽車廠商和消費者的重視，行人檢測能對道路中的行人的位置和運動方向等信息做出準確的檢測和估計，判斷車對行人的威脅性，警告系統(tǒng)在危險的情況下對駕駛員進行警告甚至做出緊急處理，從而避免交通事故的發(fā)生，避免碰撞行人，有效地提高城市交通的安全性。
　　在分析

2、傳統(tǒng)算法的基礎(chǔ)上，本文對基于視覺傳感器的行人檢測算法進行了研究和實現(xiàn)。首先，是行人候選區(qū)分割，根據(jù)行人的垂直邊緣具有對稱性的特點，本文設(shè)計了一種根據(jù)行人邊緣對稱性分割行人候選區(qū)的方法，此方法是對圖像進行對稱性測度，獲取候選對稱軸定位行人，并利用行人的邊緣及寬高比約束等獲取行人候選區(qū)。然后對行人候選區(qū)進行識別，本文采用SVM結(jié)合HOG特征來識別行人，即提取行人的HOG特征作為SVM分類器的輸入，使用SVM分類器訓練得到行人分類器以分類行人

3、。為了進一步獲取行人的信息，本文研究了傳統(tǒng)的Mean-Shift目標跟蹤算法，并對基于Mean-Shift的行人跟蹤算法做了改進，即在跟蹤過程中加入重定位的過程，根據(jù)預測區(qū)域的質(zhì)心變化及利用幀差法的原理判斷行人的運動特性以確定目標是否跟丟，對于跟丟的目標進行重新定位。這樣跟蹤算法的丟失率大大降低，并可以將部分行人識別過程中誤識別的目標去除，將整個算法的識別率提高。
　　實驗結(jié)果表明，本文的基于邊緣特征分割算法能很好的分割出道路上的