检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

视觉和毫米波雷达信息融合行人识别算法

同济大学学报（自然科学版） 2017年第S1期45卷 37-42,91页

作者：徐伟周培义张芬黄亮广州汽车集团股份有限公司汽车工程研究院广东广州511434

提出了一种在主动防碰撞系统中采用视觉和毫米波雷达数据融合来识别行人的算法.在基于单目视觉获取的图像中提取HOG特征,采用支持向量机的分类方法检测行人,获取行人信息,通过快速容差中频匹配算法快速地检测目标,并获取目标信息,将基... 详细信息

提出了一种在主动防碰撞系统中采用视觉和毫米波雷达数据融合来识别行人的算法.在基于单目视觉获取的图像中提取HOG特征,采用支持向量机的分类方法检测行人,获取行人信息,通过快速容差中频匹配算法快速地检测目标,并获取目标信息,将基于视觉的行人信息传递给毫米波雷达;根据视觉检测的行人信息与毫米波雷达检测的目标信息进行比对,将匹配通过的目标识别为行人;将基于视觉的行人特征信息与毫米波雷达检测的行人特征信息进行融合,得到行人目标的新特征信息.通过采集道路环境的视频和雷达数据对行人正确识别率进行验证.验证结果表明,采用所提出的算法进行行人识别,在获取更加精确的行人特征信息的前提下,正确识别率较高.

关键词：机器视觉毫米波雷达信息融合行人识别

在线全文

学校读者我要写书评

暂无评论

面向恶劣环境下的多模态行人识别方法研究

面向恶劣环境下的多模态行人识别方法研究

作者：李彤晖西安工业大学

学位级别：硕士

行人识别作为计算机视觉的重要研究方向,广泛应用于智能安防、辅助驾驶和军事侦察等多个领域。但室外场景行人图像易受低光照、雨雪雾等恶劣环境干扰,单一模态的行人识别容易出现误检与漏检现象,影响后续识别效果。针对以上问题,本文采... 详细信息

行人识别作为计算机视觉的重要研究方向,广泛应用于智能安防、辅助驾驶和军事侦察等多个领域。但室外场景行人图像易受低光照、雨雪雾等恶劣环境干扰,单一模态的行人识别容易出现误检与漏检现象,影响后续识别效果。针对以上问题,本文采用红外与可见光两种模态进行融合,在构建恶劣环境下的多模态行人数据集的基础上,构建MSKEYOLO行人识别算法,以提升恶劣环境下行人识别的准确率。本文主要研究内容如下:(1)恶劣环境下行人数据集的预处理及构建针对恶劣环境下行人数据集图像质量差、数据量少和样本多样性不足等问题,先采用改进Retinex算法和改进自适应增强算法提升图像质量,继而将所获高质量图像采用传统方法和DCGAN模型对数据进行扩充并丰富样本多样性,最后对所构建的恶劣环境下行人数据集进行标注与划分,以便后续图像融合与行人识别模型的应用。(2)基于改进GAN网络的多模态图像融合算法研究针对传统图像融合方法存在梯度消失、训练速度慢且易忽略图像细节信息的问题,本文提出SDGAN网络模型对红外与可见光图像进行融合。首先在生成器中引入注意力机制模块提升通道间特征关注度,加入密集连接解决梯度消失问题;其次使用双判别器结构并引入谱归一化,提升模型训练稳定性并加速模型训练;最后设计细节损失与目标边缘增强损失锐化目标边缘。通过与五种经典融合算法的仿真实验对比,进行定性与定量分析,结果表明SDGAN模型可获得图像边缘清晰、纹理细节丰富的融合图像,可应用于后续行人识别及相关领域。(3)恶劣环境下的多模态行人识别算法研究针对现有行人识别模型在恶劣环境中准确率低、鲁棒性差的问题,本文提出MSKEYOLO行人识别算法。首先利用Mosaic-9数据增强方法提升模型鲁棒性;其次引入注意力机制以提升模型在恶劣环境下对行人目标的特征提取能力;最后采用K-means++聚类加速模型收敛,并对边框回归损失函数进行改进以提升模型准确率。通过单模态与多模态对比、与四种经典算法对比及消融实验,结果表明MSKE-YOLO算法准确率达到93.1%,实时性达到43FPS;并在目标检测与跟踪控制系统平台上对改进算法进行验证以说明其实用性,可有效应用于恶劣环境下多模态行人识别及相关领域。

关键词：行人识别深度学习多模态图像融合图像处理数据增强

基于KDTree树和欧式聚类的越野环境下行人识别的研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

汽车工程 2019年第12期41卷 1410-1415页

作者：范晶晶王力褚文博罗禹贡北方工业大学城市道路交通智能控制技术北京重点实验室北京100144 国汽(北京)智能网联汽车研究院有限公司北京100176 清华大学汽车安全与节能国家重点实验室北京100084

越野环境下行人的识别是班组伴随自动驾驶车辆的基础要求。本文中针对激光雷达点云数据中的行人识别问题,特别是越野环境下的特殊问题,提出基于聚类思想的解决方案。在理论分析的基础上,结合人的几何物理特征,设计了基于KDTree和欧式聚... 详细信息

越野环境下行人的识别是班组伴随自动驾驶车辆的基础要求。本文中针对激光雷达点云数据中的行人识别问题,特别是越野环境下的特殊问题,提出基于聚类思想的解决方案。在理论分析的基础上,结合人的几何物理特征,设计了基于KDTree和欧式聚类的行人识别算法,并在越野环境下履带式车辆上进行试验。结果表明,所设计的激光雷达行人识别算法能准确识别激光雷达点云数据中的行人,在越野环境下有良好的识别率。

关键词：行人识别激光雷达聚类

面向叉车无人驾驶场景的通道行人视觉识别研究

在线全文

学校读者我要写书评

暂无评论

面向叉车无人驾驶场景的通道行人视觉识别研究

作者：谢孟添西南交通大学

学位级别：硕士

叉车是一种重要的物流搬运设备,随着仓储物流行业智能化需求的逐步加大,物流设备也逐渐向智能化、无人化发展。对于实现叉车的无人驾驶而言,视觉识别是最关键的技术之一,它对于保障搬运设备工作环境中行人的安全具有重要意义。因此,采... 详细信息

叉车是一种重要的物流搬运设备,随着仓储物流行业智能化需求的逐步加大,物流设备也逐渐向智能化、无人化发展。对于实现叉车的无人驾驶而言,视觉识别是最关键的技术之一,它对于保障搬运设备工作环境中行人的安全具有重要意义。因此,采用深度学习技术对叉车无人驾驶场景的视觉识别展开研究,研究内容主要包含以下三个部分:首先,为了准确的从行人图像中找出行人及其区域的中心坐标,提出了一种两阶段递进式的行人区域中心计算方法。在算法的第一阶段中,采用了Ghost Net改进的YOLOv4算法对图像中的行人目标进行检测。同时,为了减轻不良环境对检测精度的影响,在图像的预处理阶段进行了图像增强,以提高算法对不良环境的适应能力。实验结果表明,经Ghost Net改进的YOLOv4算法在实时性上有比较大的提升,并且能够保证较好的检测精度。在算法的第二阶段中,将第一阶段获取的矩形行人区域进行裁剪,然后利用U-Net算法和阈值化分割求解行人区域的中心。实验结果表明,本文行人区域中心计算算法的精度远超其余算法模型。其次,为了计算行人与叉车的相对位置关系并确定行人的安全性。根据叉车的行驶特性建立了叉车行驶过程中的坐标系,并且依据叉车的安全性要求对坐标系进行了安全区域的划分。同时,对双目相机进行了标定,根据相机的安装位置以及标定参数得出了坐标系转换公式,实现了从像素坐标系到叉车行驶坐标系的转换。进而搭建了从拍摄图像、检测行人、获取行人区域中心坐标到确定其实际位置和安全性的转换关系。最后,为了进一步保障叉车无人驾驶场景下的行人安全,本文将Social-STGCNN轨迹预测算法引入到了叉车无人驾驶视觉系统中,通过俯视视角下获取的行人历史轨迹预测其未来轨迹。并且根据叉车无人驾驶场景下行人轨迹预测的需求和特点,提出了新的评估标准。实验结果表明,在各类评估指标中,本文所采用的方法均优于其他轨迹预测算法。

关键词：智能叉车行人识别深度学习卷积神经网络应用研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

自适应特征匹配的行人识别技术研究及实现

自适应特征匹配的行人识别技术研究及实现

作者：马腾飞中国科学院大学(中国科学院人工智能学院)

学位级别：硕士

近年来,随着视频监控的飞速发展,公安机关使用视频监控来寻找犯罪嫌疑人的需求也是越来越大,智能视频监控也将是未来视频监控的发展趋势,而行人识别技术是智能安防的重要应用之一。由于监控场景中存在行人图片模糊、姿态多变、目标过小... 详细信息

近年来,随着视频监控的飞速发展,公安机关使用视频监控来寻找犯罪嫌疑人的需求也是越来越大,智能视频监控也将是未来视频监控的发展趋势,而行人识别技术是智能安防的重要应用之一。由于监控场景中存在行人图片模糊、姿态多变、目标过小等问题,导致视频监控下的行人识别的精度较低。目前的识别方式是基于整张行人图片的特征进行,方式过于单一,不能灵活的使用行人最有价值的特征来识别,也不能自定义行人部分属性特征来实现行人粗分类识别,所以当前的行人识别方法具有较强的局限性。在实际应用中获取的行人可用信息不同,当具有清晰的检索目标人脸照片时,就应当采取人脸特征作为唯一标识进行识别,若要查找戴眼镜穿短袖的男性时,就应当获取属性特征信息进行识别。充分使用行人的多属性特征进行识别的方式将是监控中行人识别的主流技术,自适应选取特征的行人识别技术也是迫在眉睫。针对以上的问题本文提出自适应特征匹配的行人识别技术,主要工作如下:(1)研究基于YOLOv3-Ma的抗干扰行人检测器。针对实际场景中存在的检测干扰因素和监控系统产生的海量数据帧问题,本文分析原模型数据初始化中,存在初始聚簇中心的随机选取和离群噪声数据的干扰等问题,提出了初始聚簇中心规则选取机制和离群噪声因子去除机制,使得行人检测器在多种测试场景中测试准确率提升了 1.5%左右。面对海量的监控数据,如果针对每一帧数据进行检测,极大的降低了检测效率,本文加入了去除相似帧的检测机制,有效的解决了监控系统中的相似帧检测问题,检测速度得到显著的提升。(2)研究视频监控下自适应特征选取的行人识别技术。针对监控系统中的行人姿态多样性导致识别精度较低和识别方式单一等问题,本文首先提出了行人属性特征分级机制,依据行人不同的粗姿态下,不同的属性特征具有不同的使用价值,并设计出自适应选取特征识别的机制。有效解决了依靠单一行人属性识别的局限性问题,也实现了依据属性的行人粗分类识别,满足了实际监控中多样化需求。同时加入依据拉普拉斯算子和像素数的质量判定机制,去除输入的劣质行人数据。最终在多种复杂场景的测试下的平均准确率达到了 72%左右,实现了行人的特征细化和粗分类识别。本文在实现自适应特征匹配的行人识别机制后,将该研究应用在实际的视频监控中,满足当前智能视频监控的实时性、准确性、识别方式多样性等需求。

关键词：行人检测行人识别多样性自适应普适性

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

车载毫米波雷达行人识别算法研究

车载毫米波雷达行人识别算法研究

作者：余月琴电子科技大学

学位级别：硕士

车载毫米波雷达行人识别能够在真实路况中准确识别出行人,实现车辆有效避让行人,是目前智能交通领域的研究热点。传统的行人识别技术采用摄像头获取图像信息,通过计算机视觉和模式识别等技术识别出行人,取得了较高的检测精度,但易受光... 详细信息

车载毫米波雷达行人识别能够在真实路况中准确识别出行人,实现车辆有效避让行人,是目前智能交通领域的研究热点。传统的行人识别技术采用摄像头获取图像信息,通过计算机视觉和模式识别等技术识别出行人,取得了较高的检测精度,但易受光照和气候环境的影响。车载毫米波雷达具有全天时、全天候的工作优势,雷达回波中的目标微动信息是实现目标精细化识别的重要手段,成为了行人识别技术的重要发展方向。本文围绕车载毫米波雷达回波中运动目标的微动特性,在真实路况环境下,重点研究了雷达保持静止时的运动目标检测、行人微动特征分析和行人识别等问题,并开展了理论分析、方法研究、仿真验证及外场测试工作,主要内容如下:1.针对多目标检测存在配对困难、距离-速度耦合的问题,通过对车载毫米波雷达的工作体制及频率进行分析,提出了基于77GHz锯齿波调频连续波（Frequency Modulated Continuous Wave,FMCW）雷达的运动目标检测算法,解决了多目标配对困难的问题,实现了目标距离-速度解耦合。2.针对行人微动复杂、实际回波难以观测的问题,重点研究了Boulic人体运动模型,推导出FMCW调制信号下的FMCW毫米波雷达行人回波模型,为本文车载毫米波雷达行人识别的研究奠定了理论基础。3.针对传统时频分析方法得到的行人时频图多分量混叠严重的问题,提出了一种基于压缩感知的稀疏时频分析方法,解决了时频图多分量混叠的问题,有效提升了时频图微动观测性能。4.针对FMCW雷达长时间相干积累引起多普勒扩展,难以实现行人有效探测的问题,在FMCW毫米波雷达行人回波模型基础上,提出了一种基于多普勒补偿和非线性相位补偿的行人识别算法,实现了准确的行人目标识别。通过仿真实验,验证了FMCW毫米波雷达行人回波模型的正确性,证实了稀疏时频方法的有效性。采用77GHz频段的FMCW雷达搭建测试环境,外场测试结果表明,行人识别算法在真实路况中能够实现高效的多目标探测及行人识别。

关键词：毫米波雷达调频连续波微多普勒时频分析行人识别

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于卷积神经网络的车行环境行人识别

基于卷积神经网络的车行环境行人识别

作者：米怡重庆邮电大学

学位级别：硕士

在人工智能与实体经济深度融合发展的趋势下,以语音识别、自然语言处理、图像识别为代表的诸多人工智能先进成果被广泛应用于传统汽车的升级改造,不断提升着汽车的智能化程度。作为汽车智能进程中的一个重要分支技术,深度学习驱动的图... 详细信息

在人工智能与实体经济深度融合发展的趋势下,以语音识别、自然语言处理、图像识别为代表的诸多人工智能先进成果被广泛应用于传统汽车的升级改造,不断提升着汽车的智能化程度。作为汽车智能进程中的一个重要分支技术,深度学习驱动的图像识别在最近几年取得了长足进步。但由于车载计算资源有限,目前仅能以工控机的硬件平台对深度学习算法进行加载,而直接面向嵌入式硬件移植的深度学习算法研究较少。本研究以复杂不确定交通环境中的行人识别为对象,通过对多种卷积神经网络框架下的行人识别算法展开对比研究,提出一种对硬件资源消耗较少,适于嵌入式硬件移植的行人识别方法。本文的主要工作包括:(1)从两个方面研究行人区域提取算法:一是通过基于图像底层的特征信息、视觉注意模型等ROI提取方法,结合形态学操作剔除噪声、平滑图像边界,提取行人特征区域创建行人数据集;二是采用K-means聚类算法对图像进行目标对象区域初步筛选,结合卷积上采样的特征多尺度组合方法,获得更精确的行人特征区域。(2)设计搭建适用于行人识别的Fast RCNN卷积神经网路,该网络以AlexNet网络模型为原型,以Caffe学习框架为基础,通过改进,增加四层用于生成行人推荐区域的RPN网络,一层用于将每个感兴趣区域生成固定尺寸特征映射图的ROI池化层。网络训练完成后,通过测试发现,Fast RCNN卷积神经网路总体识别效果能够满足高精度要求,但占用计算资源较高。(3)针对Fast RCNN硬件资源占用较高的问题,设计一种占用计算资源较少的YOLO卷积神经网络。该网络主要以darknet53网络结构为基础,结合ResNet层结构,将网络的逐层训练变换为逐阶段训练,缓解网络训练过程中出现梯度消失或弥散的问题,通过卷积上采样,获得图像多尺度特征映射图,使用逻辑回归分类器实现行人识别二分类问题,并深入探索Dropout与DropConnect两种方法去除过网络拟合问题。实验结果表明,Fast RCNN卷积神经网路对行人识别的精度更高、漏检率更低,但该网络的时效性较差,计算成本较高;YOLO卷积神经网络对小尺寸行人识别精度较高,且实时性强,占用计算资源较少,更具实用价值。

关键词：卷积神经网络行人识别感兴趣区域特征提取

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

一种基于支持向量机的行人识别方法研究

大连理工大学学报 2011年第4期51卷 604-610页

作者：郭烈张明恒李琳辉赵一兵大连理工大学工业装备结构分析国家重点实验室辽宁大连116024 大连理工大学汽车工程学院辽宁大连116024

研究了基于支持向量机的车辆前方行人识别方法.通过提取样本的类Haar特征,采用AdaBoost算法训练得到了分割行人的级联分类器,实现了行人候选区域的快速分割;提取了样本的纹理特征、对称性特征、边界矩特征以及梯度方向特征,组成表征行... 详细信息

研究了基于支持向量机的车辆前方行人识别方法.通过提取样本的类Haar特征,采用AdaBoost算法训练得到了分割行人的级联分类器,实现了行人候选区域的快速分割;提取了样本的纹理特征、对称性特征、边界矩特征以及梯度方向特征,组成表征行人的多维特征向量,采用支持向量机训练得到了识别行人的分类器.试验结果验证了所提算法的有效性,获得约75%的行人检测率.

关键词：汽车主动安全行人识别 AdaBoost算法支持向量机

在线全文

学校读者我要写书评

暂无评论

光传感器监控系统中行人识别模型的研究

激光杂志 2020年第3期41卷 82-85页

作者：简远鸣嵇建波桂林航天工业学院广西桂林541004

针对传统的行人识别模型行人识别速度慢的问题,设计了一种光传感器监控系统中行人识别模型。引入抛物线拟合,将三维场景中的点阵聚合成现实场景中的物体,对监控区域三维重建,在此基础上,采用野点去除和噪声去除的方法去除外界因素对行... 详细信息

针对传统的行人识别模型行人识别速度慢的问题,设计了一种光传感器监控系统中行人识别模型。引入抛物线拟合,将三维场景中的点阵聚合成现实场景中的物体,对监控区域三维重建,在此基础上,采用野点去除和噪声去除的方法去除外界因素对行人目标造成的高频干扰,采集行人区域数据。采用红外图像分割方法,分别对行人目标与背景建模,最后将行人目标模型与背景模型结合生成行人识别模型。实验对比结果表明,此次设计的光传感器监控系统中行人识别模型比传统的图像阈值分割模型、激光雷达行人识别模型、模板匹配行人识别这三种传统模型行人识别速度快,能够满足行人识别需求。

关键词：光传感器监控系统行人识别区域