行人檢測技術(shù)是智能汽車環(huán)境感知系統(tǒng)的關(guān)鍵技術(shù)之一,由于行人姿態(tài)的多樣性、背景環(huán)境的復(fù)雜性,其檢測難度較大。對(duì)此,本文在DPM算法的基礎(chǔ)之上,提出了F-DPM算法,實(shí)現(xiàn)了行人的快速、準(zhǔn)確檢測。此外,霧天環(huán)境會(huì)使攝像頭成像質(zhì)量下降,對(duì)行人檢測效果產(chǎn)生影響,本文通過暗通道細(xì)化去霧算法進(jìn)行去霧預(yù)處理,提升了霧天圖像的圖像質(zhì)量。具體工作安排如下:首先,研究了HOG特征提取理論和實(shí)現(xiàn)過程,明確其特征結(jié)構(gòu),并以此為基礎(chǔ)構(gòu)建了DPM行人檢測模型。通過根濾波器和部件濾波器軟連接的形式,實(shí)現(xiàn)了多姿態(tài)行人的有效檢測;通過構(gòu)建圖像金字塔,實(shí)現(xiàn)了不同尺度行人的有效檢測。在模型訓(xùn)練過程中,使用難樣例學(xué)習(xí)的訓(xùn)練方法,提升了SVM分類器的收斂速度和分類性能。在實(shí)際檢測過程中,提出了F-DPM行人檢測算法,通過快速特征金字塔的構(gòu)建方法和離散傅里葉變換,加快了行人檢測速度。其次,通過暗通道細(xì)化去霧算法對(duì)霧天圖像進(jìn)行去霧預(yù)處理。對(duì)霧天圖像、無霧圖像的成像特點(diǎn)進(jìn)行研究,分析了霧天環(huán)境對(duì)圖像質(zhì)量的影響;在入射光光能吸收模型和散射光散射模型的基礎(chǔ)之上,構(gòu)建了霧天圖像的衰退模型。對(duì)暗通道去霧算法的實(shí)現(xiàn)理論進(jìn)行研究,通過導(dǎo)向?yàn)V波對(duì)其... 

【文章來源】：武漢理工大學(xué)湖北省211工程院校教育部直屬院校

【文章頁數(shù)】：83 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖像灰度化

武漢理工大學(xué)碩士學(xué)位論文11類視覺系統(tǒng)的感官效果，因此也是使用最多的變換方法，其具體的變換公式如式（2-1）所示。H(i,j)=0.3R(i,j)+0.59G(i,j)+0.11B(i,j)(2-1)式（2-1）中：H(i,j)表示灰度圖中(i,j)坐標(biāo)像素點(diǎn)的灰度值，R(i,j)表示彩色圖中(i,j)坐標(biāo)像素點(diǎn)的紅色通道分量值，G(i,j)表示彩色圖中(i,j)坐標(biāo)像素點(diǎn)的綠色通道分量值，B(i,j)表示彩色圖中(i,j)坐標(biāo)像素點(diǎn)的藍(lán)色通道分量值。圖2-1圖像灰度化（2）圖像全局校正圖像全局校正用于降低光照和陰影對(duì)HOG特征的影響，主要通過調(diào)節(jié)圖像的對(duì)比度，以達(dá)到對(duì)抗局部陰影和光照的效果，一般采用伽馬校正的方法來實(shí)現(xiàn)，相應(yīng)的計(jì)算公式如式（2-2）所示。(,)(,)gammaIij=Hij(2-2)式中I(i,j)為伽馬校正之后(i,j)像素點(diǎn)處的灰度值，gamma=0.5。伽馬校正的效果示例如圖2-2所示。圖2-2圖像伽馬校正

武漢理工大學(xué)碩士學(xué)位論文13式（2-5）計(jì)算所得的梯度方向θ的取值范圍為0~360°，現(xiàn)規(guī)定將θ按20°的間隔劃分為18個(gè)區(qū)域，并將相對(duì)的兩個(gè)區(qū)域設(shè)定為一個(gè)bin，最終θ空間被劃分為9個(gè)bin區(qū)域，而Cell單元格構(gòu)建了一個(gè)在θ方向上的9維向量。論文[5]中Cell大小設(shè)置為8×8，其計(jì)算效率最高，且HOG特征表現(xiàn)效果較好。（5）歸一化Block梯度直方圖步驟（4）中以Cell為計(jì)算單元，計(jì)算得到了一個(gè)9維向量，但是其視覺感受域較小，對(duì)此將相鄰的4個(gè)Cell串聯(lián)為Block，由此可以得到一個(gè)36維向量Blockv，通過Blockv向量來反映檢測目標(biāo)與背景之間的像素梯度差，如圖2-4所示。圖2-4檢測窗口Cell、Block劃分人但由于整張圖像中，局部Cell之間存在著光照強(qiáng)度的不一致性，因此計(jì)算所得的Blockv數(shù)值相差較大。故而在計(jì)算得到Blockv后需對(duì)其進(jìn)行歸一化處理，以進(jìn)一步消除光照、陰影不均勻性對(duì)HOG特征產(chǎn)生的影響。本文通過2L正則化對(duì)Blockv進(jìn)行歸一化處理，其具體的歸一化公式如式（2-6）所示。222||||BlockNorBlocke=+vvv(2-6)式中Norv表示Blockv進(jìn)行2L正則化后的向量，e為一個(gè)非常小的常量數(shù)值，2||||Blockv的計(jì)算公式如式（2-7）所示。

【參考文獻(xiàn)】：
期刊論文
[1]基于改進(jìn)SSD的行人檢測方法[J]. 邢浩強(qiáng),杜志岐,蘇波.  計(jì)算機(jī)工程. 2018(11)
[2]結(jié)合Faster RCNN和相似性度量的行人目標(biāo)檢測[J]. 李宗民,邢敏敏,劉玉杰,李華.  圖學(xué)學(xué)報(bào). 2018(05)
[3]基于暗通道去霧和深度學(xué)習(xí)的行人檢測方法[J]. 田青,袁曈陽,楊丹,魏運(yùn).  激光與光電子學(xué)進(jìn)展. 2018(11)
[4]基于難負(fù)樣本挖掘的改進(jìn)Faster RCNN訓(xùn)練方法[J]. 艾拓,梁亞玲,杜明輝.  計(jì)算機(jī)科學(xué). 2018(05)
[5]基于增強(qiáng)聚合通道特征的實(shí)時(shí)行人重識(shí)別[J]. 黃新宇,許嬌龍,郭綱,鄭二功.  激光與光電子學(xué)進(jìn)展. 2017(09)
[6]基于雙目視覺的聚合積分通道行人檢測優(yōu)化算法[J]. 金志剛,趙明昕,張瑞,衛(wèi)津津.  天津大學(xué)學(xué)報(bào)(自然科學(xué)與工程技術(shù)版). 2016(12)
[7]基于小波降噪度量的圖像去霧研究[J]. 黃鳳.  微電子學(xué)與計(jì)算機(jī). 2016(07)
[8]融合邊緣信息的單尺度Retinex海霧去除算法[J]. 馬忠麗,文杰.  計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào). 2015(02)
[9]基于FIR濾波器的高速公路低能見度檢測儀[J]. 譚廷慶,劉曉明.  計(jì)算機(jī)技術(shù)與發(fā)展. 2011(01)
[10]基于多特征的AdaBoost行人檢測算法[J]. 黃如錦,李誼,李文輝,江琦,楊贏濤.  吉林大學(xué)學(xué)報(bào)(理學(xué)版). 2010(03)

博士論文
[1]基于先驗(yàn)知識(shí)的圖像去霧算法[D]. 張文博.電子科技大學(xué) 2017
[2]大氣散射模型在霧天圖像增強(qiáng)和海面小目標(biāo)檢測中的應(yīng)用[D]. 齊保軍.國防科學(xué)技術(shù)大學(xué) 2013

碩士論文
[1]基于Retinex理論的圖像與視頻增強(qiáng)算法研究[D]. 張?jiān)?南京郵電大學(xué) 2018
[2]基于數(shù)字圖像處理的霧天車牌識(shí)別技術(shù)研究[D]. 鄧從龍.安徽理工大學(xué) 2018
[3]車載視頻行人檢測技術(shù)研究[D]. 胡永利.吉林大學(xué) 2018
[4]監(jiān)控視頻中的行人再識(shí)別技術(shù)研究[D]. 王凱南.東南大學(xué) 2017
[5]霧天條件下高速公路視頻事件檢測技術(shù)研究[D]. 周軼凡.東南大學(xué) 2017
[6]基于多特征融合的監(jiān)控視頻行人檢測器的設(shè)計(jì)與實(shí)現(xiàn)[D]. 賈孟飛.南京郵電大學(xué) 2016
[7]基于視頻圖像的高速公路能見度檢測技術(shù)研究[D]. 韓明敏.北京交通大學(xué) 2016
[8]圖像中行人檢測關(guān)鍵技術(shù)研究[D]. 趙九洋.南京大學(xué) 2015
[9]基于haar特征的運(yùn)動(dòng)人體檢測[D]. 高宇.吉林大學(xué) 2013
[10]霧天成像仿真和薄霧薄云去除方法研究[D]. 褚宏莉.上海交通大學(xué) 2013



本文編號(hào)：3618308