车载热成像行人检测算法设计与系统优化

发布时间：2024-05-22 23:51

　　车载热成像行人检测作为汽车辅助驾驶系统的关键技术之一,具有重要的学术意义和实际应用价值,虽然目前已有多种在机器学习框架下的车载热成像行人检测算法被提出,但实现实时、鲁棒的检测效果仍是一个具有挑战性的课题。一方面,行人检测需要应对动态且复杂的交通场景、行人类内差异较大等问题;另一方面热成像虽然突出了图像中的行人目标,但也丢失了大量颜色、行人局部细节等有用的信息。本文从车载热成像行人检测算法设计和系统优化两个方面展开研究,主要工作包括:1)提出基于概率图的车载热成像行人检测感兴趣区域(Regions of Interest,RoIs)提取方法,该方法包括图像预处理、概率图计算和RoIs生成三个环节:对于图像预处理,提出使用凸-凹形灰度值映射曲线对图像像素点进行映射以增强图像对比度;对于概率图计算,提出两种计算概率图的方法,最终的概率图由两者融合获得;对于RoIs生成,提出一种搜索算法,该算法利用行人的先验知识、统计分布等信息作为搜索过程中的启发信息或约束条件,加快搜索的速度和提升RoIs定位的准确度。2)提出基于多特征融合的车载热成像行人检测分类器,从优化特征表达能力的角度来提升分类器的性...

【文章页数】：69 页

【学位级别】：硕士

【部分图文】：

图１－３通过引入尺度缩放和偏移生成新的Ｒｏｌｓ??

对于后处理，Ｇｅ等使用通过先验知识获得的阈值来过滤宽高比和位置不符合约束的??Ｒｏｌｓ，并选择一些Ｒｏｌｓ进行分裂或合并得到新的Ｒｏｌｓ。Ｌｌｏｒｃａ等［２２］通过人为的引入冗??余来增加命中行人目标的概率，如图１－３所示，对于每个Ｒｏｌ，定义了三种尺寸：大２０％、??原始尺寸和....

图１－４?ＨＯＧ特征和ＨＯＩ特征融合为ＨＯＧＩ特征??

果对不两的块计算不同的直方图特征，那么就可以达到特征融合的目的，同时可以防止??特征维数过高。也是在这个过程中需要使用直接拼接的特征训练ＳＶＭ，男融合的特征??较多时，会影响ＳＶＭ的训练效果进而影响特征融合的效果。具体融合过程如图１－４所??示，肯先提取样本完整ＨＯＧ和ＨＯＩ特征....

图２－３曲线函数图像及其二阶导数绝对值图像??

为了方便比较，在经过平移和缩放变换等操作后，这些曲线函数都具备以下特??点：１）凸函数ｆ二阶导数小于０）；?２）定义域和值域相等（都在０到１之间）；２）单调??递增。如图２－３?ａ）所示为这些曲线函数的图像，可见都满足上述条件，它们之间的差别??体现在曲线的导数上《曲线的＝阶导数....

图２－４不同Ｐ值对应的映射曲线??

?ｂ）预处理后图像??图２－５热成像匣像预处理前后对比??Ｐ值是映射曲线的一个关键参数，ＳＰ值确定时映射曲线的形状也被确定。如图２－４??所示为不同Ｐ值对应的映射曲线，Ｐ值在小范围波动时映射曲线的形状不会有太大的差??另ＩＪ，在实践中发现Ｐ值取图像像素点灰度值的统计〒均值的１．５....

本文编号：3980711