咨询与建议

看过本文的还看了

相关文献

该作者的其他文献

文献详情 >基于机器视觉的行人检测算法研究与实现 收藏
基于机器视觉的行人检测算法研究与实现

基于机器视觉的行人检测算法研究与实现

作     者:肖伶 

作者单位:贵州大学 

学位级别:硕士

导师姓名:张永军

授予年度:2019年

学科分类:08[工学] 080203[工学-机械设计及理论] 0802[工学-机械工程] 

主      题:行人检测 MLBP特征 HWEBING特征 图像增强 行人跟踪 

摘      要:行人检测是计算机视觉和模式识别中一项重要的技术,在智能交通、无人驾驶、智慧旅游等领域都有较高的应用价值。它的研究目的是将图像或者视频序列中的行人准确定位,但是在现实生活中进行实时的行人检测具有一定的挑战,因为行人很容易受到光照、遮挡、背景等因素的影响,所以设计一种检测效果理想并且实时的行人检测方法具有非常重大的意义。行人检测研究的核心问题主要包括两个方面:提高检测率和检测速度。本文首先从这两个角度出发,完成的内容如下:(1)提出一种基于均匀模式LBP特征改进的MLBP特征和CMLBP特征本文基于均匀模式LBP特征提出了一种改进的纹理特征MLBP(Mean of Local Binary Pattern)和基于多种颜色空间的纹理特征CMLBP(Color based on Mean of Local Binary Pattern),将改进后的MLBP、CMLBP特征与HOG特征及CSS特征融合,选取融合后的最优特征提高行人检测的检测率。实验结果表明提出的MLBP特征比均匀模式LBP特征和基本模式LBP特征的检测率分别提高了3.5%和2.1%,将CMLBP特征与HOG特征结合的检测率达到了95.25%。(2)提出一种基于BING特征的改进特征HWEBING基于BING特征提高检测速度的思想,本文提出了一种基于BING(Binarized Normed Gradients)特征的改进特征HWEBING(Hash and Window Enhancement of Binarized Normed Gradients)对图像进行预检测,提高行人检测的速度。预检测能够减少大量的非物体的窗口,筛选出可能是物体的候选窗口,从而大幅度地提高检测的速度。在使用HWEBING特征进行预检测获得候选窗口后,在候选窗口上提取MLBP特征和HOG特征,提高行人检测的检测率。实验结果表明本文提出的方法比传统的多尺度金字塔扫描方法的速度提高了5.5倍,并且在使用HWEBING预检测后,在候选窗口上提取HOG特征的检测率和速度比使用BING特征进行预检测均有所提高。(3)提出一种基于图像增强的行人检测方法本文提出了一种基于图像增强的行人检测方法提高行人检测的检测率,在提取特征之前,对感兴趣区域的图像进行插值从而增强图像中行人的纹理信息。基于灰度图像的LBP特征损失了在颜色通道上的信息,在图像增强后提取了基于颜色空间的IE-CLBP(Image Enhancement-Colorized Local Binary Pattern)特征,它更全面地描述了图像的纹理信息。实验结果表明在增强后的图像提取LBP、CLBP、HOG+LBP、LBP+CSS等特征与SVM分类器和HIKSVM分类器结合的检测率相比原图均有显著的提高。由于在实际的应用场景中,行人检测经常会受到背景和遮挡等因素的影响,单独使用行人检测很难满足检测的实时性和稳定性,将行人检测与行人跟踪方法结合能有更好的应用,所以本文提出了一种优化的行人跟踪算法:KCF(Kernel Correlation Filter)算法在跟踪过程中当目标出现遮挡易导致跟踪失败。所以本文在训练阶段提取目标的HOG特征和改进的LBP特征(MLBP特征),由于两个特征具有互补性,将两个特征融合对遮挡情况具有更好的鲁棒性。实验结果表明改进的KCF算法比原始的KCF算法具有更高的跟踪准确率。

读者评论 与其他读者分享你的观点

用户名:未登录
我的评分