本文關鍵詞： 行人檢測 方向梯度直方圖 行人區(qū)域 特征提取 車載環(huán)境　出處：《交通運輸工程學報》2016年06期 　論文類型：期刊論文

【摘要】：針對車輛輔助駕駛系統(tǒng)中行人檢測的實時性問題,提出一種基于路面邊緣線標定結合顯著性紋理檢測(CS-SD)的算法和定位方向梯度直方圖(L-HOG)的行人檢測模型,應用CS-SD算法替代窮盡搜索快速標定圖像中的行人區(qū)域,應用L-HOG快速提取行人特征,并采用附加核心的支持向量機(AK-SVM)進行高效目標分類。分析結果表明:在個人計算機上對包含832個行人的500幅圖像進行檢測時,模型正確檢測720個行人,檢測率為86.5%,誤檢率為4.1%,檢測時間為39ms;在基于BF609的車載行人檢測系統(tǒng)上對包含988個行人的48 400幅圖像進行檢測時,模型正確檢測861個行人,漏檢127個行人,誤檢13個行人,檢測速度為20fps�？梢�,提出的行人檢測模型在不降低檢測率的前提下,可以達到滿意的檢測速度,并且可以用于實時行人檢測車載設備。
[Abstract]:Aiming at the real-time problem of pedestrian detection in vehicle assisted driving system. A pedestrian detection model based on road edge line calibration and salient texture detection (CS-SD) and orientation gradient histogram (L-HOG) is proposed. The CS-SD algorithm is used to replace the exhaustive search for the pedestrian area in the fast calibration image, and the L-HOG is used to extract the pedestrian features quickly. An additional kernel support vector machine (AK-SVM) is used to classify the target efficiently. The analysis results show that 500 images including 832 pedestrians are detected on the personal computer. The model detected 720 pedestrians correctly, the detection rate was 86.5, the false detection rate was 4.1 and the detection time was 39 seconds. When 48,400 images of 988 pedestrians were detected on the vehicle pedestrian detection system based on BF609, the model correctly detected 861 pedestrians and missed 127 pedestrians. It can be seen that the proposed pedestrian detection model can achieve satisfactory detection speed without reducing the detection rate. And can be used for real-time pedestrian detection vehicle equipment.
【作者單位】： 上海大學機電工程與自動化學院;山西輕工職業(yè)技術學院機電工程系;上海大學微電子研究與開發(fā)中心;
【基金】：國家自然科學基金項目(61376028)
【分類號】：TP391.41
【正文快照】： 0引言為了更好地保護路面上的行人并降低駕駛員的操作負擔,行人檢測逐漸成為車輛輔助駕駛系統(tǒng)中的一項關鍵技術。經(jīng)過十幾年的發(fā)展,行人檢測技術取得了一定的成就[1-4]。方向梯度直方圖(Histogram of Oriented Gradient,HOG)在行人檢測中具有比較重要的意義[5]。在進行HOG特征

【相似文獻】

相關期刊論文 前10條

1 楊清;;電網(wǎng)異常檢測模型方法設計[J];電測與儀表;2009年S2期

2 紀祥敏;陳秋妹;景林;;面向下一代互聯(lián)網(wǎng)的異常檢測模型研究[J];福建電腦;2013年01期

3 崔艷娜;;一種網(wǎng)絡流量異常檢測模型[J];計算機與現(xiàn)代化;2013年08期

4 涂旭平;金海;何麗莉;楊志玲;陶智飛;;一種新的網(wǎng)絡異常流量檢測模型[J];計算機科學;2005年08期

5 呂洪柱;張建平;鄧文新;;基于數(shù)據(jù)挖掘技術的異常檢測模型設計[J];高師理科學刊;2007年06期

6 馬琳;蘇一丹;莫錦萍;;協(xié)同推薦系統(tǒng)檢測模型的一種優(yōu)化方法[J];微計算機信息;2010年03期

7 楊清;;基于模糊序列電網(wǎng)異常檢測建模方法與研究[J];山西電子技術;2009年05期

8 李雪琴;;基于模糊C均值的異常流量檢測模型[J];贛南師范學院學報;2009年06期

9 唐彰國;李煥洲;鐘明全;張健;;改進的進程行為檢測模型及實現(xiàn)[J];計算機應用;2010年01期

10 申利民;李峰;孫鵬飛;牛景春;;開放企業(yè)計算環(huán)境下基于信任的行為檢測模型[J];計算機集成制造系統(tǒng);2013年01期

相關會議論文 前7條

1 劉俊榮;王文槿;劉寶旭;;一種基于網(wǎng)絡行為分析的木馬檢測模型[A];第十六屆全國核電子學與核探測技術學術年會論文集（下冊）[C];2012年

2 馬文忠;郭江艷;陳科成;楊珊;王艷麗;;基于神經(jīng)網(wǎng)絡的供熱燃燒系統(tǒng)檢測模型的研究[A];2011中國電工技術學會學術年會論文集[C];2011年

3 張廣軍;賀俊吉;;基于圓結構光的內表面三維視覺檢測模型[A];中國儀器儀表學會學術論文集[C];2004年

4 王建平;張自立;魏華;;戰(zhàn)術空域沖突檢測模型研究[A];Proceedings of 14th Chinese Conference on System Simulation Technology & Application(CCSSTA’2012)[C];2012年

5 武照東;劉英凱;劉春;吳秀峰;;Overlay網(wǎng)絡的鏈路故障檢測模型[A];2008通信理論與技術新發(fā)展——第十三屆全國青年通信學術會議論文集（下）[C];2008年

6 李京鵬;楊林;劉世棟;;防火墻狀態(tài)檢測模型研究[A];第十八次全國計算機安全學術交流會論文集[C];2003年

7 周雙娥;熊國平;;基于Petri網(wǎng)的故障檢測模型的設計與分析[A];第六屆中國測試學術會議論文集[C];2010年

相關博士學位論文 前6條

1 蔣鵬;圖像內容顯著性檢測的理論和方法研究[D];山東大學;2016年

2 李濤;基于上下文的目標檢測研究[D];電子科技大學;2016年

3 趙靜;網(wǎng)絡協(xié)議異常檢測模型的研究與應用[D];北京交通大學;2010年

4 趙斌;基于圖模型的微博數(shù)據(jù)分析與管理[D];華東師范大學;2012年

5 牛清寧;基于信息融合的疲勞駕駛檢測方法研究[D];吉林大學;2014年

6 劉鵬飛;鋁合金點焊質量的逆過程檢測方法研究[D];天津大學;2008年

相關碩士學位論文 前10條

1 朱遠文;前端啟發(fā)式滲透檢測模型研究[D];天津理工大學;2015年

2 劉嬌;基于高光譜技術的不同品種豬肉品質檢測模型傳遞方法研究[D];華中農(nóng)業(yè)大學;2015年

3 軒照光;ITS系統(tǒng)防碰撞技術研究[D];電子科技大學;2015年

4 祝e，

本文編號：1475080