自动驾驶背景下的行人检测技术研究

摘要

对目标行人的检测技术一直以来都是数字图像处理及计算机视觉领域的研究重点与难点。目前来说，对于该项技术的研究也有了重大突破，其研究成果也被广泛应用于各个领域。不仅仅局限于行人检测技术，在智能监控、机器人视觉、汽车辅助驾驶系统中都能见到其身影。但随着人们需求的上升，行人检测技术被越来越多的应用到复杂多变的环境背景中。因此当下依旧缺乏一种快速精准、鲁棒性强的行人教案测算法。本文以研究自动驾驶系统中的路人识别算法为主，以数字图像处理和计算机视觉技术为基础，结合FPGA应用技术对路人识别技术进行研究。
　　文中首先通过对图像色彩空间的分析对比，确定了本文将在CIE Lab色彩空间下进行图像处理操作。同时文中引入了超像素的概念，相对于传统图像处理中对单个像素点进行操作，超像素中各像素点具有局部相关性的特点在图像分割、目标区域提取等操作中拥有处理速度快、边界命中率高等优点。本文对基于超像素的SLIC图像分割算法做出了改进，优化了部分算法操作并通过对原图像降尺度操作降低了计算的复杂度，并于FPGA平台上实现了算法的操作。实验仿真结果表明，在处理同一个图像时，本文算法的处理速度优于软件平台下执行的原算法且分割效果也与原算法相近。
　　在行人检测算法方面，本文研究了基于单帧图像的行人检测算法。文中对SVM、决策树、随机森林等分类器原理进行了学习，对传统的基于SVM+HOG的快速行人检测算法进行了探讨研究。并基于以上理论提出了一种基于随机森林+SVM的快速行人检测算法。该算法利用随机森林的分类效果提取图像感兴趣区域，之后利用SVM对感兴趣区域做进一步检测，实现行人检测功能。实验结果表明，该算法相对于传统行人检测算法检测时间上有显著地提高，切检测误差率也大大地降低。

目录

声明

摘要

第1章 绪论

1．1 课题的研究背景及意义

1．2 无人驾驶技术的国内外研究现状

1．2．1 国外研究现状

1．2．2 国内研究现状

1．3 行人检测技术的研究现状

1．4 本文研究内容

第2章 目标检测算法与应用技术概述

2．1 图像链码区域标记算法

2．1．1 链码的单次扫描算法

2．1．2 边界特征提取

2．2 彩色图像处理技术

2．2．1 RGB色彩空间

2．2．2 CIE XYZ和CIE Lab色彩空间

2．2．3 色彩空间选择

2．3 嵌入式图像处理技术

2．3．1 FPGA和图像处理

2．3．2 基于FPGA的设计流程

2．4 本章小结

第3章 基于超像素的图像分割算法及FPGA实现

3．1 超像素

3．2 SLIC算法及改进

3．2．1 算法原理

3．2．2 算法改进

3．3 算法的FPGA实现

3．3．1 2S×2S窗口模块

3．3．2 聚类中心确定模块

3．4 实验结果与分析

3．5 本章小结

第4章 单帧图像的行人检测算法

4．1 SVM+HOG行人检测算法

4．1．1 SVM分类原理

4．1．2 HOG特征描述

4．2 决策树和随机森林

4．2．1 决策树的分类原理

4．2．2 随机森林

4．3 随机森林的分类过程

4．3．1 基于C-HOG的决策树生成

4．3．2 随机森林的分类

4．4 随机森林+SVM的快速行人检测模型

4．5 实验与分析

4．6 本章小结

结论

参考文献

攻读硕士学位期间所发表的学术论文

致谢