頻繁發(fā)生的交通事故給人們的生命安全造成了嚴(yán)重的危害,道路交通安全問題受到了廣泛關(guān)注。汽車主動防碰撞等智能輔助駕駛技術(shù)可一定程度地避免交通事故的發(fā)生,尤其是近幾年來成為了熱門研究方向。行人作為交通環(huán)境中的弱勢群體和有生命的特殊個(gè)體,保護(hù)行人安全具有重大意義。行人檢測技術(shù)通過攝像頭采集道路環(huán)境信息,對行人進(jìn)行檢測,進(jìn)而可以保護(hù)行人。因此,基于攝像頭的行人檢測技術(shù)的研究具有重大的實(shí)用價(jià)值,在汽車智能輔助駕駛技術(shù)及未來無人駕駛的實(shí)現(xiàn)中將是一項(xiàng)關(guān)鍵技術(shù)。由于行人目標(biāo)的多樣化,并且道路環(huán)境復(fù)雜多變使得基于車載攝像頭的行人檢測技術(shù)的研究也是一個(gè)具有挑戰(zhàn)性的課題。本文總結(jié)了行人檢測技術(shù)的國內(nèi)外研究現(xiàn)狀,并對相關(guān)技術(shù)進(jìn)行了研究總結(jié)。關(guān)于車載攝像頭的行人檢測問題,檢測精度和檢測速度是非常重要的評價(jià)指標(biāo),ACF算法在行人檢測問題上取得了非常高的檢測精度同時(shí)達(dá)到了實(shí)時(shí)的檢測速度,但是ACF算法仍然存在漏檢尤其是小目標(biāo)的漏檢問題以及較多的誤檢。本文以進(jìn)一步提升行人檢測算法的檢測精度和檢測速度進(jìn)而滿足實(shí)際應(yīng)用的需求為研究目標(biāo),基于ACF算法展開研究。主要研究內(nèi)容如下:（1）通過了解行人檢測技術(shù)國內(nèi)外研究現(xiàn)狀和行人... 

【文章來源】：吉林大學(xué)吉林省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：83 頁

【學(xué)位級別】：碩士

【部分圖文】：

012—2016年全國道路交通事故數(shù)據(jù)統(tǒng)計(jì)

(a) (b) (c)圖 2.1 基本的 LBP 算子（2）等價(jià)模式的 LBP 算子在實(shí)際的目標(biāo)檢測應(yīng)用中通常先對檢測窗口進(jìn)行分塊，然后在各個(gè)分塊區(qū)域進(jìn)行 LBP 直方圖統(tǒng)計(jì)�；镜� LBP 算子有 256 種模式，由于模式種類較多，得到的 LBP 直方圖會出現(xiàn)過于稀疏的情況，從而使 LBP 特征失去了統(tǒng)計(jì)的意義。在 2000 年， Ojala 提出了 LBP 等價(jià)模式（uniform patterns）的概念[24]。對于一個(gè)局部二值模式，將其 8 位二進(jìn)制數(shù)看作一個(gè)循環(huán)，如果其中包含的從 1 到 0或者從 0 到 1 的轉(zhuǎn)換不多于 2 個(gè)，則將這個(gè)局部二值模式看作等價(jià)模式，否則稱為非等價(jià)模式。例如：模式 11110000（包含 2 個(gè)轉(zhuǎn)變）、00000000（包含 0 個(gè)轉(zhuǎn)變）和 11111111（包含 0 個(gè)轉(zhuǎn)變）都是等價(jià)模式，10101010（包含 8 個(gè)轉(zhuǎn)變）為非等價(jià)模式。

Oren 等最早提出了 Haar-like 特征（也稱為 Haa類器首先應(yīng)用于行人檢測。Haar-like 特征是在標(biāo)準(zhǔn)小-D 小波模板。之后 Papageorgiou 等使用 haar-like 特用的可訓(xùn)練的目標(biāo)檢測框架，并將其應(yīng)用于人臉檢測6][28][29]。到目前 Haar-like 特征得到了廣泛的應(yīng)用，在aboost+Haar 的目標(biāo)檢測算法框架。最初的 Haar-like(a)、2.2(b)、2.2 (d)所示，Viola 等在此基礎(chǔ)上又加入[28]，如圖 2.2(c)所示。并且 haar-like 特征可以利用積在 2002 年，Lienhart and Maydt 在基本 Haar-like 的aar-like 特征，提出了所謂的擴(kuò)展 Haar-like 特征[30]，e 特征分為四大類。

【參考文獻(xiàn)】：
期刊論文
[1]2016年全國機(jī)動車和駕駛?cè)吮３挚焖僭鲩L[J].   道路交通管理. 2017(02)
[2]未來汽車技術(shù)有三大發(fā)展趨勢[J].   機(jī)械. 2014(05)
[3]行人檢測技術(shù)綜述[J]. 蘇松志,李紹滋,陳淑媛,蔡國榕,吳云東.  電子學(xué)報(bào). 2012(04)
[4]基于支持向量機(jī)的規(guī)則零件檢測技術(shù)研究[J]. 王煜,劉敏.  電子測量技術(shù). 2012(01)
[5]車輛輔助駕駛系統(tǒng)中基于計(jì)算機(jī)視覺的行人檢測研究綜述[J]. 賈慧星,章毓晉.  自動化學(xué)報(bào). 2007(01)

博士論文
[1]面向汽車輔助駕駛的遠(yuǎn)紅外行人檢測關(guān)鍵技術(shù)研究[D]. 莊家俊.華南理工大學(xué) 2013
[2]基于二維MB-LGBP特征的表情識別及其光照檢測研究[D]. 張錚.天津大學(xué) 2010
[3]基于單目視覺的車輛前方行人檢測技術(shù)研究[D]. 郭烈.吉林大學(xué) 2007

碩士論文
[1]卷積神經(jīng)網(wǎng)絡(luò)圖像分類應(yīng)用研究[D]. 柯小龍.深圳大學(xué) 2017
[2]基于紅外攝像的行人檢測算法研究[D]. 吳思穎.吉林大學(xué) 2017
[3]基于區(qū)域卷積神經(jīng)網(wǎng)絡(luò)的行人檢測問題研究[D]. 李海龍.杭州電子科技大學(xué) 2017
[4]基于金字塔層定位的DPM快速行人檢測方法研究[D]. 劉洋.天津工業(yè)大學(xué) 2017
[5]基于HOG特征的行人檢測系統(tǒng)的研究[D]. 劉文振.南京郵電大學(xué) 2016
[6]城市道路汽車防碰撞安全系統(tǒng)行人識別算法研究[D]. 劉前飛.吉林大學(xué) 2016
[7]基于深度學(xué)習(xí)的車輛檢測方法研究[D]. 張文桂.華南理工大學(xué) 2016
[8]面向靜態(tài)圖片行人檢測的局部特征學(xué)習(xí)方法應(yīng)用研究[D]. 年雪潔.東南大學(xué) 2016
[9]卷積神經(jīng)網(wǎng)絡(luò)在車標(biāo)識別技術(shù)中的研究及其小樣本下的處理策略[D]. 張琪.安徽大學(xué) 2016
[10]基于機(jī)器視覺的車輛檢測方法研究[D]. 陳熊.電子科技大學(xué) 2016



本文編號：2997081