基于人体典型部位特征组合的行人检测方法

《基于人体典型部位特征组合的行人检测方法》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、万方数据汽车工程2014年(第36卷)第4期AutomotiveEngineering2014(V01．36)No．42014093基于人体典型部位特征组合的行人检测方法米郭烈1，葛平淑2，赵一兵1，赵宗艳1(1．大连理工大学汽车工程学院，大连116024；2．大连民族学院机电信息工程学院，大连116600)[摘要]为实现汽车主动安全对行人的保护，提出一种组合人体典型部位特征的行人检测方法。利用查表型的GentleAdaboost算法来训练经加权Fisher线性判别算法优化的梯度方向直方图特征，形成一个强分类器对行人腿部区域进行检测；行人初步定位后，根据其头部轮廓变动较小的

2、特点，运用模板匹配的方法对其进行检测；最后根据腿部与头部检测结果，综合采用部位约束、特征转化和分类器阈值调整的方法对检测结果进行融合。结果表明，该方法能有效排除大部分虚警，提高检测行人的准确性。关键词：汽车主动安全；行人检测；梯度方向直方图；模板匹配；特征组合PedestrianDetectionBasedontheCombinedFeaturesofTypicalPartsofHumanBodyGuoLiel，GePingshu2，ZhaoYibin91&ZhaoZongyanl1．SchoolofAutomotiveEngineering，DalianUniversit

3、yofTechnology，Dalian116024；2．CollegeofElectromechanical&InformationEngineering，DalianNationalitiesUniversity，Dalian116600[Abstract]Torealizethepedestrianprotectionofvehicleactivesafety，apedestriandetectionmethodbasedoncombinedfeaturesofhumantypicalpartsisproposed．Firstly，thelookuptableGent

4、leAdaboostalgorithmisuti—lizedtotrainthefeaturesofhistogramoforientedgradient(HOG)havingbeenoptimizedbyweightedFisherlineardiscriminationalgorithmforcreatingastrongclassifiertoidentifytheregionofpedestrian'slegs．Consideringthefea—tureofitsminorvariationincontour，theheadregionisthendetected

5、withtemplatematchingmethodaftertheinitialpositioningofpedestrian．Finallytheresultsofheadandlegsdetectionsarefusedbyadoptingacombinationofpartsconstraints，featuretransformationandclassifierthresholdadjustment．Theresultsindicatethatthemethodproposedcaneffectivelyexcludemostofthefalsealarm，th

6、ussignificantlyenhancethedetectionaccuracyofpedestrian．Keywords：vehicleactivesafety；pedestriandetection；HOG；templatematching；featurecombination刖吾为有效保护行人安全，提高汽车主动安全性能，研发行人检测系统提醒驾驶员可能与邻近的行人发生碰撞事故已成为减少道路交通中行人伤亡数量的重要手段‘1l。在行人检测过程中，需要定义一些特征来区分行人和背景，最直接的方法就是寻找图像中的行人形状特征对其进行识别，如梯度方向直方图HOG特征旧J、Edg

7、elet特征[31和Shapelet特征【41等。由于每种特征的针对性不同，因此使用单一特征的检测方法很难适应多场景下的行人检测，国内外学者提出了多种特征信息融合的方法。文献[5]中综合使用HOG和Edgelet两种局部特征，并通过SVM与Ada-boost分别训练各自的分类器，对红外图像中行人获取较好的检测效果；文献[6]中提出了一种基于部位检测和子结构组合的行人检测方法，实现多姿态和部分遮挡的行人检测；文献[7]中分别在头部和四肢等重点区域计算梯度方向直方图，有效地减少了向量维数，提高了检测速度；文献[8]中将