论文部分内容阅读
飞速发展的科学技术给人们的工作和生活带来了极大的便利,使得人们得以从繁重的体力劳动中解放出来,尤其是交通工具的出现,使得古人日行千里的愿望不再是神话,极大地提高了人们的出行质量。然而交通工具在方便了人们出行的同时,也带来了很多的交通问题,主要原因在于现在道路上的车辆越来越多,而道路扩建与增加的数量却远远不及车辆增长的数量。交通日益拥挤,由此产生的交通事故的数量日益增多。由于道路上的主要参与者是行人与车辆,所以行人和行车的安全问题已经成为一个无法忽视的社会问题。出于对行人、车辆和驾驶员的安全考虑,在交通事故将要发生时,能够有警报及时提醒驾驶员,对于避免交通事故的发生是相当重要的。本文对基于单目视觉的行人和二轮车辆检测与跟踪算法进行了研究和实现。在真实的道路环境中,包含的车辆种类极多,有自行车、摩托车、电动车、轿车、大型货车等,而本文主要在研究行人检测的基础上对骑二轮车辆行人进行了更深层次的研究。骑二轮车辆行人的特征中既包含步行行人的部分特征又包含更加复杂的车辆特征,同时它的速度也比行人快很多,因此,对骑二轮车辆行人的研究也具有重要的意义,本文以摩托车为例进行研究和实验,因为在二轮车辆中摩托车的结构最复杂、速度最快、也最易造成交通事故的发生。本文主要完成的研究与实现:首先,对采集到的视频进行一系列处理,包括图像变换、边缘检测、去除噪声等;其次,通过采集正样本和负样本进行级联分类器的训练,得到最终的分类器模型文件;然后,采用分类器对目标进行识别,在原算法中加入了对车轮的检测和判断来提高检测的准确率;最后,对于无法检测到的目标进行跟踪和预测。为了提高识别的准确度、系统的实时性、减小目标受到遮挡及噪声等负面因素的影响,本文采用了车轮检测和改进的AdaBoost算法相结合的方法对目标进行识别、CamShift和Kalman滤波相结合的方法对目标进行跟踪和预测。实验结果表明:本文提出的方法能够很好的对行人和二轮车辆进行识别和跟踪,系统的实时性和识别的准确率都有了提高,尤其在不同环境下算法的鲁棒性较好。