论文部分内容阅读
在中国,随着汽车数量的增加,道路交通的越来越发达,人们出行越来越快速方便,但随之而来发生交通意外的频率也越来越高。根据有关部门的统计数据,公路交通的事故死亡率在各类交通意外中最高。在交通意外中有很大一部分是由交通路口中有行人违反交通规则,车辆驾驶员在通过交通路口前未注意路口是否有行人出入等原因引起的。若能在交通路口有行人穿行的时候及时告警远处来往的车辆,能很好地避免此类交通意外的发生。另外一方面,随着机器视觉技术和图像处理的快速发展,通过对交通路口视频的处理分析,可以判断出是否有行人目标进入交通路口,从而根据判断的结果及时告警远处来往的车辆,避免交通意外的发生。本文主要研究了基于交通路口视频的行人预警算法中涉及的关键问题,内容如下:(1)交通路口运动目标的检测以及行人目标的识别。在行人目标检测部分,本文比较常见的几种前景检测算法,通过理论研究和实验比较,得到适合交通路口的前景检测算法。在行人目标的识别部分中,主要介绍运动目标进行特征提取的算法和分类算法的实现。关于特征提取,本文主要讨论了常用的几种图像的表观特征的原理和提取方法,通过实验比较,验证了采用基于梯度方向直方图(Histogram of Oriented Gradient,HOG)在交通路口场景下的特征提取的有效性。关于目标分类算法,本文提出采用基于支持向量机(Support Vector Machine,SVM)的多分类投票分类方法,实验证明,该方法在交通路口的场景中具有较高的分类准确率。(2)行人目标的跟踪和运动方向判断。因为交通路口场景下经常同时出现多个行人目标,因而在这种应用场景下,行人目标跟踪是一个多目标跟踪问题。在跟踪问题上,本文主要在采集的交通路口视频下进行实验,比较了基于卡尔曼滤波的多目标跟踪算法和基于联合概率数据关联(JPDA,Joint Probabilistic Data Association)的多目标跟踪算法之间的性能差异。经过实验证明在交通路口场景中,基于JPDA的多目标跟踪算法在跟踪性能上表现优异。(3)算法并行处理提高交通路口行人预警算法实时性。在本文应用场景中,对行人目标的预警需要较高的实时性才能体现其在避免交通意外方面的价值。但本文为了保证算法的准确性,采用了计算复杂度较大的前景检测算法,行人目标分类以及行人目标跟踪算法。本文提出通过对上述三部分算法的并行化处理,通过线程调度的方式来保证整体算法的实时性。通过实验证明,该方法有效可行,计算耗时明显减少,达到实时性要求。