接待机器人行人检测算法研究

摘要

随着科学技术的快速发展，人工智能技术正在各个领域中得到广泛的应用。人工智能技术的发展，拓展了接待机器人系统的研究思路，扩大了接待机器人的应用领域。接待机器人作为服务机器人中重要的一员，具有广泛的应用前景和研究价值。人类获得的外界信息多数是通过视觉去进行采集的，接待机器人也不例外。为了使接待机器人更好的为人类提供服务，机器人通过视觉对人物的检测至关重要。因此本文主要对接待机器人视觉系统中的行人检测算法做了如下研究： （1）研究接待机器人行人检测的方法，分析了接待机器人以及行人检测技术的国内外研究现状。通过对常用行人检测算法的研究分析，明确了接待机器人在实际工作场景中实现行人检测任务的难点和重点。针对接待机器人行人检测目标不固定、背景不固定以及前景尺度实时变化等特点，本文将方向梯度直方图（HOG）用于行人特征提取，并采用支持向量机（SVM）进行分类行人检测。 （2）研究了HOG算法和SVM方法，分析传统HOGSVM算法在行人检测中的缺点，之后在研究cellsize大小、样本尺度、样本形状及样本遮挡等因素对识别率影响的基础上，给出cellsize参数优化以及样本参数设置的规律，以满足不同情况下各种参数的自动设置。 （3）研究了因待检测目标尺度不确定而导致识别率受到影响的问题，进而提出一种分尺度多分类器并联检测算法，使得目标在不同尺度下都可以被很好的检测到。 （4）利用MATLAB软件对文章所提算法进行仿真和真实场景下的实验，并与传统算法进行对比。实验结果表明，在具有服饰、光照和尺度等复杂变化的环境中，本文提出的分尺度多分类器并联检测算法具有更高的检测准确率。 本文研究了接待机器人行人检测算法的优缺点，针对实际应用场景的特点，对cellsize大小、样本尺度、样本形状及遮挡等因素进行研究，为实际场景中接待机器人行人检测问题提供了参考。通过大量实验证明本文提出的分尺度多分类器并联检测算法可以更好的检测到实际场景中运动、光照、角度、尺度等复杂变化条件下运动的目标，识别率提升约20%。该算法对接待机器人行人检测问题具有一定的参考价值。

目录

第一章 绪论

1.1引言

1.2研究的目的与意义

1.3国内外研究现状

1.4主要研究内容

1.5 本章小结

第二章 接待机器人简介

2.1 接待机器人工作流程

2.2 接待机器人工作场景特点

2.3 接待机器人平台简介

2.4本章小结

第三章 行人检测相关技术

3.1 行人检测基本步骤

3.2 图像预处理方法

3.3 特征检测相关算法

3.4 常用分类算法

3.5 本章小结

第四章 分尺度多分类器并联检测算法

4.1算法概述

4.2 HOG特征检测

4.3支持向量机(SVM)

4.4 cellsize对于实验结果的影响

4.5样本参数对SVM的影响

4.6分尺度多分类器

4.7 本章小结

第五章 仿真实验及分析

5.1 硬件及软件环境

5.2 实验测试样本及说明

5.3 实验结果及分析

5.4 本章小结

第六章 实际场景实验及分析

6.1 硬件及软件环境

6.2 实验样本采集及测试说明

6.3 实验结果及分析

6.4 实验对比与分析

6.5 实验结论

6.6 本章小结

第七章 总结与展望

7.1 总结

7.2 展望

参考文献

发表论文及科研情况

致谢