隨著社會的發(fā)展,道路上汽車不斷的增多,隨之帶來的交通事故日漸增多。眾多學者和汽車廠商都開始研究汽車輔助駕駛系統(tǒng)以減少交通事故發(fā)生,其中行人檢測是輔助駕駛系統(tǒng)的重要組成部分,本文對行人檢測算法進行了研究。首先,針對預處理中維納濾波算法對圖像濾波后邊緣的保持和平滑效果差的問題,本文設計了一種自適應迭代維納濾波算法。首先依靠像素灰度值的二階差分分量估計圖像的噪聲方差,然后以3?3為起始模板,每次迭代都增加模板的大小,最后以每次濾波前后圖像所有像素灰度值變化的均值是否小于閾值作為停止迭代的判斷條件。實驗結果表明,該濾波算法能夠較好保持圖像的邊緣和平滑效果。其次,針對預處理后的圖像利用行人垂直邊緣對稱性分割的候選區(qū)域不能完全覆蓋行人的問題,對分割候選區(qū)域的方法進行改進。首先用Sobel算子獲取圖像對應的邊緣圖像,以[W_min,W_max]為對稱軸測量寬度檢測邊緣圖像下半部分的對稱度。對稱度的極大值點的位置為候選對稱軸位置,把連續(xù)的兩個對稱軸位置距離小于W_min/2作為一個對稱軸群,以對稱軸群中最左和最右對稱軸的中心位置作為候選對稱軸...

【文章頁數(shù)】：67 頁

【學位級別】：碩士

【文章目錄】：
中文摘要
abstract
第一章 緒論
    1.1 研究背景及意義
    1.2 國內外研究現(xiàn)狀
    1.3 行人檢測的技術難點
    1.4 本文的主要工作安排
第二章 行人檢測相關技術
    2.1 圖像的預處理
        2.1.1 圖像灰度化
        2.1.2 圖像濾波
        2.1.3 圖像邊緣提取
    2.2 行人分割相關技術
        2.2.1 基于特征的方法
        2.2.2 基于運動的方法
        2.2.3 基于距離的方法
    2.3 行人識別相關技術
        2.3.1 基于運動的方法
        2.3.2 基于形狀的方法
        2.3.3 基于統(tǒng)計學的方法
    2.4 行人識別的總體方案
    2.5 本章小結
第三章 自適應迭代維納濾波算法
    3.1 圖像噪聲和濾波算法
        3.1.1 圖像噪聲
        3.1.2 空域內的濾波算法
        3.1.3 變換域的濾波算法
    3.2 自適應迭代維納濾波算法
        3.2.1 經(jīng)典的維納濾波
        3.2.2 自適應迭代維納濾波
    3.3 實驗結果對比和分析
        3.3.1 圖像濾波的評價指標
        3.3.2 實驗結果對比和分析
    3.4 本章小結
第四章 行人候選區(qū)域分割方法研究
    4.1 圖像邊緣獲取
    4.2 候選邊緣對稱軸獲取
        4.2.1 圖像對稱性測度
        4.2.2 候選對稱軸獲取
    4.3 行人候選區(qū)域分割方法
        4.3.1 左右邊界的獲取
        4.3.2 底邊界的獲取
        4.3.3 上邊界的獲取
    4.4 實驗結果對比
    4.5 本章小結
第五章 候選區(qū)域的行人識別
    5.1 分類器的選擇
        5.1.1 Adaboost算法
        5.1.2 支持向量機(SVM)算法
    5.2 行人的特征
        5.2.1 Haar特征
        5.2.2 HOG特征
        5.2.3 LBP特征
    5.3 基于HOG特征和LBP特征的行人識別
        5.3.1 訓練樣本的獲取
        5.3.2 SVM對樣本庫訓練
        5.3.3 HOG特征和LBP特征組合方法
    5.4 行人檢測的仿真實驗
    5.5 本章小結
第六章 總結與展望
    6.1 總結
    6.2 展望
參考文獻
致謝
攻讀學位期間發(fā)表的學術論文目錄



本文編號：3793539