2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩127頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)

文檔簡介

1、行人檢測系統(tǒng)(Pedestrian Detection Systems,PDS)目的在于從行駛的汽車上,基于各種傳感器,通過一些智能算法,實時而準確地判斷出汽車前方是否有行人以及行人的大致位置,并進一步判斷是否會發(fā)生碰撞并予以報警和緊急自動控制。這是一個從實際應用中提煉出來的關(guān)鍵問題,是汽車主動安全(Active Safety)、智能車輛(Smart Vehicle)和智能交通(Intelligent Transportation Sy

2、stems)的一個重要組成部分,有著很強的應用背景和市場價值。同時,行人檢測系統(tǒng)也是一個多學科交叉的研究熱點,其研究涉及到傳感、機器學習、自動化與控制、信息融合、計算智能等,因此也具有很高的科研意義。 目前的行人檢測系統(tǒng)可以分為兩大類,一類是以汽車廠商為代表的研究團隊,他們盡可能采用紅外、微波、激光等雷達設備,希望能借助這些昂貴的設備來降低處理難度,以獲得更快的行人檢測速度和精度;另一類研究者希望僅使用簡單、廉價的光學設備,通過

3、設計一些改進的算法來同樣得到實時的檢測速度和可接受的檢測性能。研究者們通過對這些傳感設備的比較分析,認為普通光學設備有著一些不可替代的優(yōu)勢,并且其核心技術(shù)(例如:分類算法)很容易推廣到基于其它傳感器的系統(tǒng)上,因此基于視覺的行人檢測系統(tǒng)具有重要的理論研究意義和很高的實際應用價值。 本文立足于采用光學攝像頭的行人檢測系統(tǒng)與關(guān)鍵技術(shù)的研究?;谝曈X系統(tǒng)的行人檢測面臨的主要難點在于:1)檢測平臺和檢測對象的不規(guī)則自主運動;2)場景的多樣

4、性和時變性;3)行人的多樣性以及部分遮擋的問題。這些難點導致分類技術(shù)作為一種用于行人檢測的關(guān)鍵技術(shù),還是一種有待突破的技術(shù)難題。同時,如何設計并搭建出一個具有實用性的基于視覺的行人檢測原型系統(tǒng)也為研究界與產(chǎn)業(yè)界所急需。 行人檢測中分類技術(shù)主要面臨以下三個難點:1)對于檢測過程,每幀中待檢測的對象數(shù)量大,且行人所占比例極少:2)對于分類器訓練,面臨著樣本不平衡問題;3)對于分類器性能要求,同時要求檢測速度快、檢測率高和誤報率低;但

5、這三點相互沖突,因而很難找到一個平衡點。在行人檢測系統(tǒng)中,現(xiàn)有的分類方法還存在許多不足,主要包括:1)采用單分類器的方法檢測率低,誤報率高,檢測速度低,多場景適應性差;2)采用串聯(lián)組合分類器的方法誤報率低、檢測速度快,但檢測率較低、多場景適應性差;3)采用并聯(lián)組合分類器的方法檢測率較高,誤報率低,多場景適應性較好,但檢測速度慢。 針對行人檢測系統(tǒng)與關(guān)鍵技術(shù)存在的上述難點問題,我們認為有必要研究出針對性的高效分類模型與算法,設計面

6、向應用的實現(xiàn)技術(shù),最終搭建一個具有實用價值的行人檢測原型系統(tǒng)。為此,本文圍繞這一選題,完成了以下主要成果: 1.研究可以得到三方面性能平衡且綜合性能最佳的組合分類模型。我們結(jié)合串并聯(lián)組合分類器的優(yōu)點,提出了樹狀組合分類計算模型(Tree Classifier Ensemble Model),結(jié)合單分類器性能模型對組合分類器的三方面性能進行了定量的數(shù)學描述,從而將行人檢測中的分類器設計轉(zhuǎn)化為一個優(yōu)化問題,進而使獲得滿足行人檢測需求

7、的高性能分類器成為可能。 2.研究面向應用的組合分類模型的實現(xiàn)技術(shù)。組合分類模型在應用時需要得到其中參數(shù)的合理取值才能保證綜合性能最優(yōu)。針對目前分類器關(guān)鍵參數(shù)只能通過實驗調(diào)整的方法獲得,不但需要花費很多時間,還不能保證得到的參數(shù)最優(yōu)。為此,我們通過對樣本不平衡性的分析,結(jié)合組合分類模型的三方面性能表達式,建立了其關(guān)鍵參數(shù)的計算模型(Computation Model),使得保證組合分類器綜合性能最優(yōu)的關(guān)鍵參數(shù)可以直接求解得到,大

8、大加速了全局尋優(yōu)過程。此外,針對實際應用中參數(shù)計算模型可能不完全成立的情況,提出了采用RBF擬合結(jié)合窮舉搜索的方式,仍能在可接受時間內(nèi)搜索得到組合分類模型的全局最優(yōu)參數(shù),進一步加強了組合分類模型的應用范圍并為該模型在其它分類問題中的應用指明了道路。 3.搭建一個具有實用價值的行人檢測原型系統(tǒng)。針對智能交通市場對廉價的行人檢測原型系統(tǒng)的需要,本文在組合分類計算模型的基礎上,分別完成了基于PC計算平臺的行人檢測算法離線驗證平臺和基于

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論