基于多特征决策级融合的行人检测方法

作     者：罗倩倩 

作者单位：长安大学 

学位级别：硕士

导师姓名：宋青松

授予年度：2018年

学科分类：08[工学] 0838[工学-公安技术] 

主      题：行人检测 特征提取 支持向量机 DS证据理论 特征融合 

摘      要：行人检测是近年来计算机视觉领域备受关注的前沿方向和研究热点。行人检测技术是自动驾驶系统的关键技术之一,通过实时的检测周围环境的行人,提示驾驶员(及时)做出反应或在危险情况下紧急制动,减少或者避免交通事故的发生。本文的行人检测实验是基于自然场景下对于道路或者公众区域的静态行人图像进行检测,极易受到光照条件,天气状况,运动模糊的影响,因此行人检测是一项非常值得研究且有挑战性的课题。本文设计实现了一种基于SVM-DS多特征决策融合的行人检测方法,实验结果表明该方法具有一定的先进性和潜在的应用价值。首先,提取HOG和LBP两类特征;然后,使用概率SVM得到每个特征的后验概率输出,并将之作为基本信度分配;进而,根据DS证据理论基于矩阵分析的融合规则进行数据融合,并制定决策规则,实现行人检测结果输出。实验结果表明,该方法能够有效地实现行人HOG特征和LBP特征在决策级的融合,充分利用HOG特征善于刻画行人轮廓、LBP特征善于刻画行人外表纹理等两种特征的综合优势,改善了行人检测的性能。本文的工作主要有以下几方面:1.开展了HOG和LBP两类特征提取方法研究,通过单特征检测比选实验,确定了特征提取方案。2.设计并实现了一种基于特征扩增和SVM的行人检测方法,针对HOG特征描述子的局限性,使用LBP特征进行补充,在INRIA数据集进行实验达到了94.59%的检测率。但是基于特征扩增的方法并不能消除单特征对同一识别对象结果产生的冲突或者偏见。3.本文设计实现了一种基于SVM-DS多特征决策融合的行人检测方法,DS证据理论可以消除这种冲突带来的影响,该方法在INRIA数据集的检测率达到了95.86%,有效的提高行人检测的准确率。