車載熱成像行人檢測作為汽車輔助駕駛系統(tǒng)的關(guān)鍵技術(shù)之一,具有重要的學(xué)術(shù)意義和實際應(yīng)用價值,雖然目前已有多種在機器學(xué)習(xí)框架下的車載熱成像行人檢測算法被提出,但實現(xiàn)實時、魯棒的檢測效果仍是一個具有挑戰(zhàn)性的課題。一方面,行人檢測需要應(yīng)對動態(tài)且復(fù)雜的交通場景、行人類內(nèi)差異較大等問題;另一方面熱成像雖然突出了圖像中的行人目標,但也丟失了大量顏色、行人局部細節(jié)等有用的信息。本文從車載熱成像行人檢測算法設(shè)計和系統(tǒng)優(yōu)化兩個方面展開研究,主要工作包括:1)提出基于概率圖的車載熱成像行人檢測感興趣區(qū)域(Regions of Interest,RoIs)提取方法,該方法包括圖像預(yù)處理、概率圖計算和RoIs生成三個環(huán)節(jié):對于圖像預(yù)處理,提出使用凸-凹形灰度值映射曲線對圖像像素點進行映射以增強圖像對比度;對于概率圖計算,提出兩種計算概率圖的方法,最終的概率圖由兩者融合獲得;對于RoIs生成,提出一種搜索算法,該算法利用行人的先驗知識、統(tǒng)計分布等信息作為搜索過程中的啟發(fā)信息或約束條件,加快搜索的速度和提升RoIs定位的準確度。2)提出基于多特征融合的車載熱成像行人檢測分類器,從優(yōu)化特征表達能力的角度來提升分類器的性...

【文章頁數(shù)】：69 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖１－３通過引入尺度縮放和偏移生成新的Ｒｏｌｓ??

對于后處理，Ｇｅ等使用通過先驗知識獲得的閾值來過濾寬高比和位置不符合約束的??Ｒｏｌｓ，并選擇一些Ｒｏｌｓ進行分裂或合并得到新的Ｒｏｌｓ。Ｌｌｏｒｃａ等［２２］通過人為的引入冗??余來增加命中行人目標的概率，如圖１－３所示，對于每個Ｒｏｌ，定義了三種尺寸：大２０％、??原始尺寸和....

圖１－４?ＨＯＧ特征和ＨＯＩ特征融合為ＨＯＧＩ特征??

果對不兩的塊計算不同的直方圖特征，那么就可以達到特征融合的目的，同時可以防止??特征維數(shù)過高。也是在這個過程中需要使用直接拼接的特征訓(xùn)練ＳＶＭ，男融合的特征??較多時，會影響ＳＶＭ的訓(xùn)練效果進而影響特征融合的效果。具體融合過程如圖１－４所??示，肯先提取樣本完整ＨＯＧ和ＨＯＩ特征....

圖２－３曲線函數(shù)圖像及其二階導(dǎo)數(shù)絕對值圖像??

為了方便比較，在經(jīng)過平移和縮放變換等操作后，這些曲線函數(shù)都具備以下特??點：１）凸函數(shù)ｆ二階導(dǎo)數(shù)小于０）；?２）定義域和值域相等（都在０到１之間）；２）單調(diào)??遞增。如圖２－３?ａ）所示為這些曲線函數(shù)的圖像，可見都滿足上述條件，它們之間的差別??體現(xiàn)在曲線的導(dǎo)數(shù)上《曲線的＝階導(dǎo)數(shù)....

圖２－４不同Ｐ值對應(yīng)的映射曲線??

?ｂ）預(yù)處理后圖像??圖２－５熱成像匣像預(yù)處理前后對比??Ｐ值是映射曲線的一個關(guān)鍵參數(shù)，ＳＰ值確定時映射曲線的形狀也被確定。如圖２－４??所示為不同Ｐ值對應(yīng)的映射曲線，Ｐ值在小范圍波動時映射曲線的形狀不會有太大的差??另ＩＪ，在實踐中發(fā)現(xiàn)Ｐ值取圖像像素點灰度值的統(tǒng)計〒均值的１．５....

本文編號：3980711