高級智能輔助駕駛系統(tǒng)乃至自動駕駛的實現(xiàn)與普及,將在很大程度上改善當(dāng)前交通擁擠的情況和有效降低頻發(fā)的交通安全事故。行人檢測技術(shù)作為自動駕駛技術(shù)的核心,其精準(zhǔn)性、實時性、復(fù)雜性將直接決定著自動駕駛的發(fā)展�；跈C器視覺的行人檢測技術(shù)因其框架簡潔直觀、適應(yīng)性強,在自動駕駛、智能監(jiān)控、智能機器人等領(lǐng)域得到了廣泛的研究和應(yīng)用。然而由于行人非剛性特點所導(dǎo)致的姿態(tài)多變外加服飾多樣、光照、遮擋等復(fù)雜因素的影響,為行人的準(zhǔn)確檢測帶來了很大的困難。本文在分析了各種行人檢測技術(shù)原理和優(yōu)缺點的基礎(chǔ)上,主要從行人特征的增強和降低行人局部信息對行人整體的影響兩個方面著手研究,提出了一種HOG與Gabor融合特征并結(jié)合可變形部件模型思想的行人檢測方法,兩方面研究的主要內(nèi)容和結(jié)論如下:（1）為了彌補單一的特征對行人信息描述的不足,本文將對行人輪廓信息有很好的描述能力的HOG特征與對行人邊緣和紋理信息有很好描述能力的Gabor特征以加權(quán)融合的方式組合成新的強化特征用于行人檢測,并在目前較大的INRIA數(shù)據(jù)集和更復(fù)雜的自制數(shù)據(jù)集SIC上做了檢測對比實驗。（2）為了降低遮擋情況下的行人的誤檢率和漏檢率,本文在融合特征的基礎(chǔ)上... 

【文章來源】：河北工程大學(xué)河北省

【文章頁數(shù)】：83 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 研究背景與意義
    1.2 國內(nèi)外研究發(fā)展概要
    1.3 本文研究的主要內(nèi)容和結(jié)構(gòu)安排
第2章 行人檢測技術(shù)分析
    2.1 前言
    2.2 經(jīng)典的行人特征提取算法
        2.2.1 Haar-like特征
        2.2.2 SIFT與 HOG特征
        2.2.3 Gabor與 LBP特征
    2.3 經(jīng)典的行人檢測分類與定位算法
        2.3.1 SVM分類算法
        2.3.2 Adaboost分類算法
    2.4 基于卷積神經(jīng)網(wǎng)絡(luò)的行人檢測算法
        2.4.1 AlexNet
        2.4.2 從RCNN到 Faster-RCNN
        2.4.3 從YOLO-v1到Y(jié)OLO-v3
    2.5 本章小結(jié)
第3章 基于融合特征的行人檢測
    3.1 前言
    3.2 圖像的預(yù)處理
        3.2.1 圖像灰度化
        3.2.2 圖像增強和去噪處理
    3.3 HOG特征提取行人輪廓信息
        3.3.1 空間顏色標(biāo)準(zhǔn)化
        3.3.2 圖像梯度計算
        3.3.3 梯度直方圖的計算統(tǒng)計與歸一化
    3.4 Gabor特征提取行人紋理特征
        3.4.1 Gabor濾波器組的構(gòu)建
        3.4.2 Gabor特征的提取
    3.5 HOG與 Gabor單特征檢測對比實驗
        3.5.1 實驗環(huán)境配置
        3.5.2 訓(xùn)練與檢測流程
        3.5.3 行人檢測性能評價指標(biāo)
        3.5.4 INRIA數(shù)據(jù)集上的檢測對比實驗
        3.5.5 自制數(shù)據(jù)集SIC上的檢測對比實驗
    3.6 HOG與 Gabor特征的融合與降維
        3.6.1 特征融合
        3.6.2 特征降維
    3.7 HOG與 Gabor融合特征檢測對比實驗
    3.8 本章小結(jié)
第4章 融合特征下基于多部位組合的行人檢測方法
    4.1 前言
    4.2 多部位組合檢測思想
        4.2.1 DPM模型
        4.2.2 DPM算法檢測流程
    4.3 多尺度快速掃描窗口
        4.3.1 多尺度掃描窗口的建立
        4.3.2 快速掃描窗口的建立
    4.4 融合特征結(jié)合DPM思想的行人檢測
        4.4.1 自適應(yīng)組合分類器的構(gòu)建
        4.4.2 特征提取和檢測流程
    4.5 實驗及結(jié)果
    4.6 本章小結(jié)
總結(jié)與展望
參考文獻(xiàn)
致謝
作者簡介
攻讀學(xué)位期間發(fā)表論文與研究成果清單


【參考文獻(xiàn)】：
期刊論文
[1]基于小波閾值和全變分模型的圖像去噪[J]. 張弘,周曉莉.  計算機應(yīng)用研究. 2019(11)
[2]中國汽車工程學(xué)術(shù)研究綜述·2017[J]. 《中國公路學(xué)報》編輯部.  中國公路學(xué)報. 2017(06)

博士論文
[1]基于激光雷達(dá)的智能車輛目標(biāo)識別與跟蹤關(guān)鍵技術(shù)研究[D]. 周俊靜.北京工業(yè)大學(xué) 2014

碩士論文
[1]基于小波變換圖像去噪及邊緣檢測研究[D]. 胡志峰.東華理工大學(xué) 2018
[2]基于激光掃描雷達(dá)的自動駕駛技術(shù)研究[D]. 李趙.北方工業(yè)大學(xué) 2018
[3]基于激光雷達(dá)與攝像機的車輛輔助駕駛技術(shù)研究[D]. 王帥.吉林大學(xué) 2018
[4]高維數(shù)據(jù)降維處理關(guān)鍵技術(shù)研究[D]. 李蟬娟.電子科技大學(xué) 2017
[5]基于可變形部件模型的目標(biāo)檢測技術(shù)研究[D]. 董彥汝.北京郵電大學(xué) 2017
[6]基于多核學(xué)習(xí)的多標(biāo)簽特征降維算法研究[D]. 吳斌.南京師范大學(xué) 2017
[7]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
[8]基于特征融合與在線學(xué)習(xí)的行人檢測算法研究與實現(xiàn)[D]. 單玉澤.南京郵電大學(xué) 2016
[9]交通環(huán)境中的行人檢測問題的研究[D]. 韓春.吉林大學(xué) 2016
[10]基于DPM的行人檢測和行人特征提取算法研究[D]. 陳芝垚.電子科技大學(xué) 2016



本文編號：3177265