隨著社會的不斷進步,科技的不斷發(fā)展,交通擁堵成為了城市發(fā)展的一個主要問題。無人駕駛汽車的出現(xiàn),為解決城市交通擁堵問題帶來新的曙光。無人駕駛汽車借助智能輔助駕駛系統(tǒng),可以有效的解決大部分人為造成的交通擁堵問題。在人工智能和大數(shù)據(jù)快速發(fā)展的時代,基于機器視覺的人體動作識別技術(shù)得到了較為廣泛的應(yīng)用,但是將該技術(shù)應(yīng)用于無人駕駛系統(tǒng),并用于識別交警指揮動作是一個具有潛在價值的研究熱點�；诖吮尘氨疚闹饕槍嶋H路況下交警指揮動作識別進行研究。為了在實際路況的復(fù)雜背景下定位交警,采用多種不同顏色閾值投票方法對交警進行定位檢測。將交警人臉及制服中不同區(qū)域顏色分別進行提取然后再統(tǒng)一進行投票,按得票率確定交警所在區(qū)域,然后對圖像使用空洞填充技術(shù)完善最大連通區(qū)域并通過查找交警形心點位置實現(xiàn)交警運動區(qū)域檢測,最后將原圖像序列根據(jù)運動區(qū)域進行裁切再重組的方式獲得僅有交警的新圖像序列,減少復(fù)雜背景環(huán)境中的干擾。針對實際路況下自動駕駛系統(tǒng)需要從四個不同的方位面對交警的八種指揮動作進行識別,因此利用交警人體寬度、人體高度、雙臂位置、頭部轉(zhuǎn)動、動作步數(shù)五種運動特征值對三十二種交警指揮動作建模。并采用對人體寬度與高度變... 

【文章來源】：河北大學(xué)河北省

【文章頁數(shù)】：85 頁

【學(xué)位級別】：碩士

【部分圖文】：

交警制服

第一章緒論7算量，提高交警檢測效率。2.1.1色彩空間的選擇彩色模型是用來精確標定和生成各種顏色的一套規(guī)則和定義，它的用途是在某些標準下用通常可接受的方式簡化顏色規(guī)范。彩色模型[38]通�？梢圆捎米鴺讼到y(tǒng)來描述，常見的彩色空間模型有RGB模型、Lab模型、HSV模型等，下面對常見的彩色模型進行簡介。(1)RGB色彩空間RGB模型[39]是通過對紅(R)、綠(G)、藍(B)3個顏色的亮度變化以及它們之間的相互疊加來得到各式各樣的顏色。其中RGB彩色控件對應(yīng)的坐標系統(tǒng)如圖2-2所示，RGB模型是最為常見的模型其特點為僅用R、G、B三個通道就可以表示常見的大部分顏色，缺點是該模型容易受到光照的影響，因此一般情況不選用RGB模型。圖2-2RGB色彩空間模型(2)Lab顏色模型Lab顏色模型[40]由亮度(L)和a，b兩個顏色通道一同組成，其中a通道所包含的顏色為：深綠色到灰色再到亮粉色，b通道所包含顏色為：亮藍色到灰色再到黃色。該模型的主要特點為：色域?qū)掗煟⑶移漕伾磉_能力要強于RBG模型，通常人的肉眼能感知的顏色都能使用Lab模型表現(xiàn)出來[41]。(3)HSV顏色模型HSV顏色模型[42]又稱六角錐體模型(HexconeModel)，該模型的顏色參數(shù)由色調(diào)(H)、飽和度(S)、亮度(V)，三者綜合進行調(diào)節(jié)。HSV模型的三維表示從RGB立方體演化而

河北大學(xué)碩士學(xué)位論文8來，其模型效果如圖2-3所示，該色彩模型外形為立方體的六邊形，六邊形邊界表示色彩，水平軸表示純度，明度沿垂直軸測量。圖2-3HSV顏色空間模型綜上所述，由于HSV色彩空間模型相對于RGB空間能夠非常直觀的表達色彩的明暗，色調(diào)，以及鮮艷程度，方便進行顏色之間的對比，有效提高圖像分割效率[43]。因此使用HSV色彩空間模型對圖像進行目標檢測和圖像分割。2.1.2交警制服顏色閾值分割圖像分割是在進行圖像特征提娶圖像識別前不可缺少的一步[44]，基于顏色的圖像分割方法操作簡單且計算量小，因此成為本文的首選方法。閾值的選取是圖像分割過程中尤為重要的一步，合理的選擇閾值才能保證圖像分割的效果。閾值從廣義上來說可以分為全局閾值和局部閾值兩種方式[45]，第一種方式要根據(jù)多次實驗結(jié)果得出，適用于整幅圖像的顏色色差比較明顯的圖像；第二種方式則是分成多個區(qū)域，采用不同的閾值對各個區(qū)域分割，適用于色彩比較復(fù)雜，局部對比度明顯的圖像。交警制服顏色較為固定，常見的制服主要由綠色、藍色、白色、黑色四種顏色組成，對交警制服進行顏色閾值分割[42]時，由于制服顏色較多且在圖像中較為明顯，因此選用局部閾值的方法較為合適。在HSV色彩空間，每種顏色的H值和S值都是固定的，而且各個顏色相對獨立，因此可以使用HSV色彩空間進行分割�？紤]到不同季節(jié)交警制服顏色具有輕微差異，本文提出投票算法來對制服進行分類處理，其計算方法為：根據(jù)不同季節(jié)制服的顏色制定了四種顏色模板，分別為：(1)綠色、白色、藍色、反光色、黑色。(2)藍色、白色、黑色。(3)綠色、白色、反光色、黑色。(4)黑色、白色、綠

【參考文獻】：
期刊論文
[1]基于HSV顏色空間的運動目標識別[J]. 付長斐,葉賓,李會軍.  控制與信息技術(shù). 2020(02)
[2]研究人工智能在交通領(lǐng)域的主要技術(shù)及應(yīng)用前景[J]. 吳世旺.  通訊世界. 2019(12)
[3]北斗衛(wèi)星導(dǎo)航系統(tǒng)在無人駕駛領(lǐng)域的應(yīng)用[J]. 劉濤,劉金元.  信息通信. 2019(11)
[4]基于視頻的人體骨架建模方法[J]. 郭佳興,魯斌.  中國科技信息. 2019(21)
[5]基于組合色彩空間和卷積神經(jīng)網(wǎng)絡(luò)的手勢識別算法[J]. 紀國華.  現(xiàn)代計算機. 2019(29)
[6]基于膚色分割的人臉檢測算法[J]. 周品,李先祥.  自動化與信息工程. 2019(05)
[7]MATLAB在數(shù)字圖像處理中的應(yīng)用[J]. 張飛鴿,李凱,翟少康,李梅霞.  計算機技術(shù)與發(fā)展. 2019(11)
[8]基于圖像處理的車牌識別與字符分割及MATLAB實現(xiàn)[J]. 黃岳銳,黃楷佳.  內(nèi)蒙古科技與經(jīng)濟. 2019(10)
[9]復(fù)雜背景下的人體輪廓提取算法[J]. 師樂,湯汶,萬韜阮,朱耀麟,武桐.  科學(xué)技術(shù)與工程. 2019(09)
[10]一種基于OpenCV的手勢輪廓識別與指尖定位跟蹤方法[J]. 童欣.  福建電腦. 2018(12)

博士論文
[1]基于深度圖像序列的人體動作識別方法研究[D]. 姬曉鵬.中國科學(xué)院大學(xué)(中國科學(xué)院深圳先進技術(shù)研究院) 2018
[2]靜態(tài)圖象膚色檢測研究[D]. 徐戰(zhàn)武.浙江大學(xué) 2006

碩士論文
[1]基于數(shù)據(jù)手套和Kinect的手勢識別算法研究[D]. 郭小沛.濟南大學(xué) 2019
[2]基于Retinex理論的圖像與視頻增強算法研究[D]. 張詩.南京郵電大學(xué) 2018
[3]基于隱馬爾科夫模型的視覺詞袋法識別交警動作[D]. 魏熙寧.河北大學(xué) 2018
[4]復(fù)雜環(huán)境中交通信號燈的識別[D]. 馮霞飛.沈陽理工大學(xué) 2018
[5]顯著性檢測及在智能交通系統(tǒng)中的應(yīng)用[D]. 郭陽陽.南京航空航天大學(xué) 2018
[6]動作識別在交通指揮中的應(yīng)用研究[D]. 未志園.河北大學(xué) 2017
[7]基于骨架信息的人體動作識別[D]. 范嘉義.中國科學(xué)技術(shù)大學(xué) 2017
[8]基于視聽信息的人體行為識別算法研究[D]. 周生凱.山東大學(xué) 2013
[9]基于骨架化和模板匹配的交通指揮手勢識別[D]. 李文杰.浙江工業(yè)大學(xué) 2011
[10]基于DSP的多運動目標檢測與跟蹤技術(shù)研究[D]. 高飛.合肥工業(yè)大學(xué) 2011



本文編號：3075024