基于多通道特征的行人检测技术研究

摘要

行人检测在机器视觉、图像检测和模式识别等方面都有应用。它以图像处理为基础，将光学电子、计算机和测试等多种现代技术融为一体，构成综合系统。目前行人检测技术已被广泛应用于多个领域，如机动车智能辅助系统、智能监控系统、高级人机交互系统等。行人作为检测主体，在一定的环境和先决条件下，对行人进行分析和理解具有重要的意义，这也是对行人精确而高效检测的首要前提。然而由于行人具有非刚性特性，同时在实际检测中，会受复杂背景、光照及遮挡所影响，对行人的识别和提取增加了巨大的难度，所以行人检测还是一个具有挑战的研究课题。
　　首先，本文介绍了行人检测国内外研究现状，分析其研究价值和迫切性。根据现有的行人检测系统，总结出行人检测技术研究存在的重点和难点，并根据检测需求，研究了系统检测特征的选择依据和组合性能。
　　其次，针对提取行人准确清晰的特征信息，在图像预处理中，利用加权均值法对图像进行灰度化拉伸以增强图像对比度，中值滤波进行去噪，直方图均衡化增强图像，二维最大类间阈值分割，快速准确的提取待测目标，使其与背景区域分离。
　　最后，根据现有特征的检测结果及实验分析，本文提出一种基于多通道特征的行人检测算法，克服了以往行人检测在处理彩色图像时特征信息少和弱特征不能更换的缺点。该方法与其他单特征行人检测方法相比，具有较好的表达能力和鲁棒性，并且在各种环境下都能实现较好的检测效果。

目录

摘要

第1章 绪论

1．1 论文背景及研究意义

1．1．1 论文背景

1．1．2 研究意义

1．2 国内外研究现状及发展状况

1．2．1 国外研究现状

1．2．2 国内研究现状

1．3 研究难点

1．4 本课题主要的研究内容

第2章 行人检测的相关知识

2．1 模式识别

2．1．1 模式识别的基本概念

2．1．2 模式的特征

2．1．3 模式识别系统

2．2 机器学习

2．3 特征描述

2．3．1 小波特征

2．3．2 纹理特征

2．3．3 边缘特征

2．3．4 颜色特征

2．4 样本选取

2．5 本章小结

第3章 图像的目标检测

3．1 图像预处理

3．1．1 图像灰度化

3．1．2 图像去噪

3．1．3 图像增强

3．1．4 图像边缘检测

3．2 目标检测方法

3．2．1 基于阈值分割的目标检测

3．2．2 基于颜色分割的目标检测

3．2．3 基于特征匹配的目标检测

3．3 本章小结

第4章 基于单特征的行人检测方法研究

4．1 特征提取

4．1．1 HOG特征

4．1．2 LBP特征

4．2 支持向量机

4．3 实验

4．3．1 HOG特征检测实验

4．3．2 LBP特征检测实验

4．3．3 结果分析

4．4 本章小结

第5章 基于多通道特征的行人检测方法

5．1 多通道特征

5．1．1 梯度特征

5．1．2 纹理特征

5．1．3 COLOR特征

5．2 分类器设计

5．2．1 Gentle Adaboost算法

5．2．2 弱分类器的构造

5．2．3 强分类器的构造

5．2．4 级联分类器构造

5．3 分析与实验

5．3．1 特征提取

5．3．2 数据库

5．3．3 算法流程

5．3．4 算法性能分析

5．3．5 实验效果图

5．4 本章小结

结论

参考文献

致谢

攻读学位期间发表的学术论文

攻读硕士期间参加的科研项目

声明