【摘要】：目標(biāo)檢測技術(shù)是計(jì)算機(jī)視覺領(lǐng)域重要的研究方向之一,檢測技術(shù)的發(fā)展有效的幫助人們解決了很多問題,并廣泛的應(yīng)用在現(xiàn)實(shí)生活中�？勺冃尾考Ｐ�(Deformable Part Model,DPM)是目標(biāo)檢測技術(shù)中非常流行的一種方法。DPM是基于方向梯度直方圖(Histogram of Oriented Gradients,簡稱HOG)特征的目標(biāo)檢測模型,相比于其他的目標(biāo)檢測技術(shù),DPM可以很好地解決光照因素對檢測結(jié)果的影響,同時在模糊可視性方面還占有很大的優(yōu)勢,具有極高的識別正確率。目前DPM仍存在一些缺陷。DPM在HOG基礎(chǔ)上進(jìn)行改進(jìn),但是原始HOG特征中仍存在一些缺陷,使得DPM目標(biāo)檢測效果不夠理想。本文主要針對DPM的兩個缺陷進(jìn)行改進(jìn)。一,DPM是在HOG特征的基礎(chǔ)上進(jìn)行改進(jìn)來提取特征,其中HOG的優(yōu)點(diǎn)之一是HOG表示的是邊緣(梯度)的結(jié)構(gòu)特征,可以描述局部的形狀信息。但在平滑區(qū)域內(nèi),HOG不能有效地體現(xiàn)區(qū)域特征信息。且當(dāng)目標(biāo)對象與其圖片背景顏色差距不大時,HOG也不能清晰地給出目標(biāo)對象和背景之間的邊緣輪廓。二,DPM針對混合模型檢測目標(biāo)對象的判定標(biāo)準(zhǔn),通過分?jǐn)?shù)辨定當(dāng)前檢測圖片中是否存在目標(biāo)檢測對象。這個分?jǐn)?shù)是兩部分分?jǐn)?shù)之和:一是根濾波器得分,二是部件濾波器分?jǐn)?shù)總和。當(dāng)檢測的圖片中目標(biāo)對象存在遮擋問題時,部件濾波器在特征提取時部件不能夠很好地得到較為全面的特征信息,導(dǎo)致獲取特征信息模糊,可能導(dǎo)致遮部件位置檢測正確時,部件濾波器計(jì)分偏低,從而使最高分偏低,造成目標(biāo)檢測時發(fā)生漏測現(xiàn)象。本文中,針對上述DPM的兩個問題進(jìn)行優(yōu)化,提出來一種基于多融合特征的DPM算法,主要改進(jìn)點(diǎn)有兩點(diǎn):一提出來基于HOG和旋轉(zhuǎn)不變性等價局部二值模式(Local Binary Pattern,簡稱LBP)特征的HL融合特征作為DPM的特征提取,既能夠得到梯度信息,又能夠有效的表示圖片的紋理信息,有效的解決了在平滑區(qū)域內(nèi),HOG不能有效地體現(xiàn)其特征信息的問題,同時,也解決了當(dāng)目標(biāo)對象與其圖片背景顏色差距不大時,HOG不能很好地體現(xiàn)目標(biāo)對象和背景之間的邊緣輪廓的問題。二是提出加權(quán)部件模型,用于提高有效信息部件濾波器的利用率,在目標(biāo)檢測過程中,當(dāng)存在被遮擋時,能夠?qū)Σ煌考䴙V波器的重要度進(jìn)行一個區(qū)分,使得有效特征信息的部件的權(quán)值變大,響應(yīng)分變高,特征信息較少或者沒有檢測到特征信息的比重變小,這樣能夠充分地發(fā)揮有用部件的作用,避免了因遮擋造成的檢測信息浪費(fèi),很大的提高了檢測正確率。實(shí)驗(yàn)證明,這一模型可以有效解決本文中提出的原始DPM存在的問題,提高目標(biāo)檢測的正確率。
【學(xué)位授予單位】：吉林大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2018
【分類號】：TP391.41
【圖文】：

平面交叉口概況簡介所研究的是平面交叉口。所說的平面交叉口即所有道路都在同，不涉及到立交橋式的路口。立交橋是多個道路在不同的平面平面交叉口就是十字路口。大城市設(shè)計(jì)之初，為了便于規(guī)劃，都希望將城市設(shè)計(jì)得方方正正，這樣的交叉口就都是十字路口還有 T 型和 Y 型的。為了便于研究，本文所涉及到的交叉路口口。交叉口所指向的不同方向的道路上的車駛向不同方向，這成為交通事故易發(fā)點(diǎn)，稱之為沖突點(diǎn)。十字路口通常有 16 個事故易發(fā)點(diǎn)均針對機(jī)動車而言。如果道路上還有非機(jī)動車道，古代車輛稀少，同時通過路口的則更少，不需要交警組織�，F(xiàn)窄，通過交叉路口時需要人為或者紅綠燈進(jìn)行組織規(guī)劃行進(jìn)秩證交通安全，保證持續(xù)的通行。當(dāng)然，還需要各種交通標(biāo)志來

圖 2.2 平面交叉口形式圖綠信比：指交通燈單位周期內(nèi)車輛通行的時間與周期的比例。即某相位有效綠燈時間和該相位周期的比。通常綠信比用λ表示。其公式為：λ= g/C。車流量：即單位時間內(nèi)，某路段通過的所有車輛的總和。車流量公式為：車流量=單位時間*車速/（車距+車身長）排隊(duì)長度：指某個相位路口的實(shí)線以內(nèi)停止等待通行的所有車的長度總和。是衡量路口是否擁堵的重要指標(biāo)。延誤：實(shí)際通過路口所用時間和應(yīng)該通過路口所用時間的差。這個時間差由多個因素導(dǎo)致：其他道次的車的干擾、司機(jī)本身不可控的意外、前方車輛急剎車導(dǎo)致的急停等等。在本文主要是指汽車起步到正常行駛所損失的時間。延誤是衡量車輛通行快慢的重要標(biāo)準(zhǔn)。停車次數(shù)：停車次數(shù)是指從一個交叉口到另一個交叉口之間一輛車停車的次數(shù)，在計(jì)算中通常都用平均停車次數(shù)。它是信號燈配時的重要優(yōu)化指標(biāo)。通行能力：指在單位時間內(nèi)某路段或者某交叉口可以通過車輛的最大值。

9圖 2.3 韋伯斯特算法流程圖典型的改進(jìn)算法有如下幾種：澳大利亞的科學(xué)家 R.阿克塞利克將 webster 的公式進(jìn)行了優(yōu)化，增添了停車補(bǔ)償系數(shù)這一指標(biāo)[2]。他將車輛總的延誤時間和總的停車次數(shù)通過補(bǔ)償系數(shù)結(jié)合在了一起，這樣利用雙重指標(biāo)來對信號燈配時進(jìn)行評價，更優(yōu)于 webster 的配時方法。但是，在公式中，補(bǔ)償系數(shù) K 并沒有定量的計(jì)算說明，只是一個定性的分析。同時，該模型也并未考慮通行能力，排隊(duì)長隊(duì)等因素。

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 張凌煊;祝進(jìn)城;帥斌;;考慮行人效益的擁擠交叉口多目標(biāo)配時優(yōu)化[J];計(jì)算機(jī)工程與應(yīng)用;2015年16期

2 顧嘉q

本文編號：2746441