论文部分内容阅读
行人安全一直以来是交通安全中的焦点问题。行人检测作为目标检测的一个重要分支,在很多方面有着广泛的应用前景。在交通环境中,司机需要了解车辆周围的行人信息。司机根据车辆周围的行人信息,做到规避行人,避免碰撞行人,造成行人伤亡。在人流比较密集的场所,行人检测能够提供某地某时某刻的行人数量,根据行人的分布情况,正确引导行人到正确的逃生出口,最大可能的减少行人的伤亡。目前,尤其是基于视觉信息的行人检测技术,存在一些难点问题,它们严重制约着行人检测的发展。单一的行人特征只能展现行人的部分信息,无法全面充分的描述行人的整体信息。交通环境中,视频监控下行人的大小、姿态和服饰是多样的。处在交通环境中的行人遭受其他物体的遮挡,导致行人的整体结构缺失。这些难点问题都对行人检测提出了严峻的挑战。针对以上难点问题,本文提出了基于多特征信息的部位组合的行人检测算法,主要包括:(1)在提取行人特征时,本文结合Gabor特征和HOG特征搭建行人特征库,HOG特征能够对行人的轮廓进行充分的描述,小波变换能够展现出行人图像的高低频信息,二维Gabor滤波器能够描述不同尺度和方向的行人信息,结合以上的特征信息,实现对行人更加全面充分的描述。(2)为了提高行人特征的多样性,在生成行人特征前,对行人图像进行金字塔变换,在不同的行人尺度图像下提取行人特征,增加行人的多尺度信息。(3)提取行人特征,生成的行人特征向量包含大量的冗余信息,造成了行人的特征向量维数过高。对行人特征进行PCA降维处理,保留主要的行人信息,更好的融入Adaboost算法,提升检测速度。(4)使用头肩部和腿部共同检测行人,由传统的整体检测行人转变成部位组合检测,有效的解决行人的部分遮挡问题,提升行人检测的精度。在INRIA、MIT和Daimler行人库中统计了本文方法的行人检测率和误报率,并与其它行人检测方法作对比分析。实验结果表明,本文提出的基于多特征信息部位组合的行人检测技术,能够更加全面充分的描述行人的整体信息,能够提升行人检测的精度,同时具有良好的实时性。