基于双波段图像的行人检测算法研究

《基于双波段图像的行人检测算法研究》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、基于双波段图像的行人检测算法研究ResearchonPedestrianDetectionAlgorithmBasedonDualBandImages学科专业：仪器科学与技术作者姓名：彭志蓉指导教师：赵美蓉天津大学精密仪器与光电子工程学院2017年10月独创性声明本人声明所呈交的学位论文是本人在导师指导下进行的研究工作和取得的研究成果，除了文中特别加以标注和致谢之处外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得天津大学或其他教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中

2、作了明确的说明并表示了谢意。学位论文作者签名：签字日期：年月日学位论文版权使用授权书本学位论文作者完全了解天津大学有关保留、使用学位论文的规定。特授权天津大学可以将学位论文的全部或部分内容编入有关数据库进行检索，并采用影印、缩印或扫描等复制手段保存、汇编以供查阅和借阅。同意学校向国家有关部门或机构送交论文的复印件和磁盘。（保密的学位论文在解密后适用本授权说明）学位论文作者签名：导师签名：签字日期：年月日签字日期：年月日摘要行人检测技术在机器人领域、视频安防、智能交通、智能驾驶等方面都有着极大的应用前景和发展空间，因此一直以来受到

3、了众多研究者的关注。行人检测技术按照特征学习的方式，可以分为浅层机器学习和深度学习两类。前者主要利用人为设计的方式去提取特征，后者则是自动从数据中学习并组合得到抽象特征。一般的行人检测主要是针对可见图像或者仅对红外图像进行分析判别。但是可见图像在一些复杂环境下例如光照变化、阴影、昏暗等，对行人的信息刻画不足；红外图像由于热成像原理，容易出现热源干扰，并且图像的细节会严重缺失，无法给出物体细节信息。因此本文在对行人检测技术的充分调研后，重点对如何有效利用可见与红外双波段图像互补来提高检测精度的问题进行了研究。本文的主要工作：（1）

4、比较了基于单一可见波段、单一红外波段和双波段的行人检测算法，可以发现多传感器融合算法拥有更好的鲁棒性，更能适应场景变化。然后对行人检测算法中基于浅层机器学习的聚合通道特征算法和基于深度学习的区域卷积神经网络系列算法进行了分析和比较。（2）提出了一种改进的聚合双波段通道特征的行人检测算法。针对可见与红外图像的特点，该算法首先对可见与红外图像分别提取不同的通道特征，聚合之后利用滤波器组学习局部特征，然后通过自适应提升算法进行筛选特征，训练得到分类器，实现行人的检测。（3）提出了一种基于双波段卷积神经网络的行人检测算法。算法采用更快速

5、的区域卷积神经网络算法框架，首先对预训练模型进行调优，然后通过加入批规范化层，双波段连接后的降维层，以及全局均值池化层等搭建合适的双波段卷积神经网络。实验发现，较之单一波段，利用双波段的深度卷积神经网络能更有效的实现行人的检测。关键词：行人检测，双波段，聚合通道特征，深度卷积神经网络IABSTRACTPedestriandetectiontechnologyhasagreatapplicationspaceintherobot,videosecurity,intelligenttransportation,intelligent

6、drivingfieldandsoon.Ithasbeenreceivedalotofconcernsfromtheresearchers.Pedestriandetectiontechnologycanbedividedintoshallowmachinelearningmethodanddeeplearningmethod.Theformeralgorithmmainlydependsontheartificiallydesignedfeatures,andthelatterwillautomaticallyextracta

7、ndcombinefeaturesfromthedata.Generally,pedestriandetectionalgorithmsmostlyfocusonvisibleimages,andsomefocusoninfraredimages.Butvisibleimagescannotaffordenoughgoodinformationinsomecomplexconditionssuchaslightchanges,shadows,dimandotherenvironments.Infraredimages,dueto

8、thethermalimagingprinciple,arepronetoheatinterference.Thedetailsofinfraredimageswillbeseriouslymissed.Therefore,afterthefullinvesti