实时行人检测预警系统的设计及应用

实时行人检测预警系统的设计及应用

ID:20193209

大小:72.06 KB

页数:8页

时间:2018-10-10

实时行人检测预警系统的设计及应用_第1页
实时行人检测预警系统的设计及应用_第2页
实时行人检测预警系统的设计及应用_第3页
实时行人检测预警系统的设计及应用_第4页
实时行人检测预警系统的设计及应用_第5页
资源描述:

《实时行人检测预警系统的设计及应用》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、实时行人检测预警系统的设计及应用摘要本文对实时行人预警系统的设计及应用进行了深入分析,通过城市道路下的实录视频,对系统的实时性和准确性进行了验证,有效实现了对行人生命安全的保护。关键词预警系统;行人检测;行车安全;聚合通道特征1行人检测技术的概念行人检测是计算机视觉领域中的一个重要技术,它在包含多门学科知识的背景条件下,能够准确采用视频图像检测行人情况,所以行人检测系统的设计及应用对于诸多领域均具有重要价值。比如说监控图像检索、高级人机界面及自动化安全等领域。行人检测是利用视觉传感器从具体信息及进行分析

2、,从而实现对行人进行检测及数字图像处理等技术进行综合运用,并从中获取行人的具体信息及进行分析,从而实现对行人的识别及跟踪的一项技术。简单地讲,行人检测技术即为在计算机信息传感技术的应用基础上,实施检测行驶在汽车前面的行人,以能够对行人的行为动作作出分析的同时帮助汽车驾驶员采取相应处理措施,为道路交通安全提供有效保障。2行人检测预警系统实施及行人检测方法2.1行人检测预警系统的实施方案行人检测预警系统主要是在汽车上安装,简单从物理角度?砜雌渥槌芍饕?包括两部分,分别是运算单位以及信息采集单元。前者则是在借

3、助于数字信号处理器对图像实施运算研宄,后者则组成则可以分成三部分,其中分别是摄像头、车速传感器和角速度传感器,摄像头用来捕捉汽车行驶时前方的道路视频图像,车速传感器和角速度传感器主要用于提供车速信息,所有的传感单元都被安装在测试汽车内。2.2行人检测方法行人检测方法有两种,分别是基于简单图像处理及计算机视觉。1)简单图像处理法。(1)相邻帧差分法。相邻帔差分法则是对不同时间中采集到的图像实施图像像素递减,基于像素变化合理预测行人情况。此方法的优点是简单快速、不受摄像机和光线变化带来的影响,缺点就是目标轮

4、廓不清楚,对于行人的遮蔽及行为动作无法进行评估。三帧图像差分法则属于是帧差分法的在发展过程中的完善产物,该方法具有实时性的特点,所以被运用到行人运动目标的轮廓检测中。(2)背景差分方法。背景差分是指在建立好背景环境模型图像后,与当前模型图像做差分,如果像素结果大于当前设置的阈值,就可以认定为目标。背景差分法是最常使用的目标检测法,在实际应用过程中优点则为方便快捷,并且在设计过程中原理简单,但是同样也具有一定的缺点,也就是阈值选择和背景会影响到检测结果,所以该算法需要加强完善。(3)光流法。光流法的基本原

5、理就是将图像当成运动场,不同的图像像素点均有各自的速度矢量,在实施相近运动矢量,也就能够实现目标的有效检测工作。这一方法在应用过程中场景因素对其检测结果的影响作用不大,所以导致其计算量特别大,实时性也较差。2)计算机视觉方法。(1)模板匹配。模板匹配也能够称为图像处理方法,在其之前设定的模板中实施图像匹配,其中模板和待检测目标两者之间的形状具有一定类似或者相同。两者的相互匹配则需要将模板中心作为参考点,然后匹配图像的各个点,针对图像点,对模板和图像匹配的点数目进行计算。模板匹配的缺点是速度比较慢,为了提

6、高速度,可以使用傅里叶变换方法。(2)统计学习。统计学习也称为机器学习,主要可以分成2个步骤,其中第1个是训练,第2个为检测,首先则需要从一系列正样本和负样本中训练处学习器,旨在区分开目标和其他物体,然后使用学习器检测和识别待测图像。3行人检测模块行人检测面临的挑战主要有下面几点。首先,行人之间最显著的一个不同点就是外部特征,如衣服颜色、衣服款式、体型、身局、姿势以及相关动作等等。其次,在检测过程中,户外环境中的多种因素以及行人之间等等,均会导致出现遮蔽现象,当摄像机和行人动作出现同步的时候,也会进一步

7、提高动态视频图像检测目标及运动分析的复杂性,在行人检测中难度也就会随之加大。同时,在画面中行人可以从任何一个角度出现,其中包括正面侧面,甚至背面等等,所以,行人检测算法的实时性和鲁棒性也成为研宄的一个重点热题。3.1行人检测行人检测除了对行人进行脸部识别之外,Haar特征也被安防监控领域广泛应用。本文研宄重点则是借助于汽车上安装的摄像头,从而得到汽车前方的视频图像,以此基于图像实施行人侧面特征进行检测及评估,在此过程中米用OCS和窗口拆分两种算法提高检测效率。本文基于整体侧面行人的特征进行训练分类检测,

8、在检测阶段,对横穿道路行人的侧面特征可用于行人特征训练。使用AdaBoost学习方法能够实施和行人最为合适Haar特征选择,同构构建相应的级联分类器,借助于窗口中的强分类器所有器,也就能够对行人特征实施相应判定,如果出现强分类器否决,则也就代表检测结果为非行人。通常情况下非行人的背景特征在分类器的前几级,也就能够被成功否决,所以能够显著提升检测有效性。3.2优化检测从3Z间角度分析综合考虑实时性的同时提高检测效率,可采用窗口拆分的方法口拆分

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。