论文部分内容阅读
目前,夜间交通事故的频繁发生对行人以及驾驶员的生命安全造成了很大的威胁。夜间城市道路行驶的车辆数量较少、车速较高,车辆近光灯的有效照明距离有限,远光灯又容易影响对向来车驾驶员的视线,若驾驶员因疏忽未看清远方的行人,极易造成交通事故的发生。红外线工作范围远且红外图像不受背景光照影响,可捕捉光线较暗或全黑环境中较远距离的行人,故基于红外摄像的行人检测技术在汽车辅助驾驶方面具有广泛的应用前景。但是相比于可见光图像,红外图像具有对比度较低、分辨率较低以及噪声较多的问题,并且夜间车辆前方道路环境的复杂多变以及行人目标的多样化使得基于红外摄像行人检测算法的研究具有一定挑战性。本文结合国家自然科学基金项目“基于驾驶员特性的新型线控转向系统控制机理和评价方法研究”(编号:51575223),针对基于红外摄像的行人检测技术进行了相关研究,通过对比分析国内外的研究现状,总结了行人候选区分割与行人识别算法中存在的问题,围绕多目标行人候选区的准确分割以及局部特征提取与快速分类识别的研究目标展开研究,主要研究内容如下:(1)考虑到红外图像成像的缺陷,针对性地对车辆前方采集的红外图像进行了预处理。采用灰度拉伸的方式进行图像灰度细节增强,选取双边滤波的方式剔除图像中的随机噪声,选用最大类间方差法进行阈值分割,有效地解决了红外图像对比度较低、噪声较多的问题,实现了目标与背景之间的错分率最小化。(2)通过对比分析不同红外图像行人候选区分割算法的优缺点,针对行人候选区准确分割与多目标分割需求,选取基于连通域分析的行人候选区分割算法。为解决单一连通域分析算法分割候选区数目较多的问题,选取二值图像形态学算法与连通域分析算法相结合,然后通过限定连通域外接矩形的提取参数,最终实现较为准确的多目标行人候选区分割。(3)针对梯度方向直方图特征的细胞重复计算以及对于非行人目标检测率偏低的问题,提出了改进的梯度方向直方图特征。根据行人不同部位的边缘特征,重新决策了待测样本梯度方向大小的计算权重,增强了行人腿部细节特征。基于OTCBVS基准数据集与自采集红外图像数据集建立了行人与非行人样本库,选取支持向量机进行训练与分类。针对连续多帧检测中的漏检丢帧情况,选取Kalman滤波算法进行行人目标跟踪。(4)通过离线仿真确定了改进的梯度方向直方图特征、多项式核函数以及相关参数设置为算法最优选择。搭建基于红外摄像行人检测算法的测试系统,设计行人检测系统的图形用户界面(Graphical User Interface,GUI),验证基于Kalman滤波的目标跟踪算法的有效性。实车实验表明,改进的梯度方向直方图特征能够有效地区分出远处的行人目标,本文提出的红外摄像行人检测算法对夜间城市道路与校园道路场景中的行人均有较好的检测效果。