论文部分内容阅读
随着社会的发展,道路上汽车不断的增多,随之带来的交通事故日渐增多。众多学者和汽车厂商都开始研究汽车辅助驾驶系统以减少交通事故发生,其中行人检测是辅助驾驶系统的重要组成部分,本文对行人检测算法进行了研究。首先,针对预处理中维纳滤波算法对图像滤波后边缘的保持和平滑效果差的问题,本文设计了一种自适应迭代维纳滤波算法。首先依靠像素灰度值的二阶差分分量估计图像的噪声方差,然后以3?3为起始模板,每次迭代都增加模板的大小,最后以每次滤波前后图像所有像素灰度值变化的均值是否小于阈值作为停止迭代的判断条件。实验结果表明,该滤波算法能够较好保持图像的边缘和平滑效果。其次,针对预处理后的图像利用行人垂直边缘对称性分割的候选区域不能完全覆盖行人的问题,对分割候选区域的方法进行改进。首先用Sobel算子获取图像对应的边缘图像,以[Wmin,Wmax]为对称轴测量宽度检测边缘图像下半部分的对称度。对称度的极大值点的位置为候选对称轴位置,把连续的两个对称轴位置距离小于Wmin/2作为一个对称轴群,以对称轴群中最左和最右对称轴的中心位置作为候选对称轴所在位置。然后在距离对称轴群两侧Wmax/2范围对边缘图像进行垂直投影,选择垂直投影最大值的1/3作为阈值,从左右向对称轴进行扫描当大于阈值时的位置作为左右边界位置。最后以左右边界范围内对整个边缘图像进行水平投影,选择投影最大值的1/5和1/3分别作为底边阈值和上边界阈值,由下向上扫描遇到连续5个位置的投影值大于底边阈值的位置作为底边位置。在以1/3底边位置处先向上扫描如果小于上边界阈值再向下扫描找到大于上边界阈值的位置作为上边界的位置。实验结果表明,改进的方法获取候选区域能够很好包含行人。最后,针对单一特征识别候选区域准确率低的问题。本文采用支持向量机(support vector machine,SVM)分类器融合方向梯度直方图(Histogram of Oriented Gradient,HOG)特征和局部二值模式(Local Binary Pattern,LBP)特征进行对候选区域进行识别。仿真结果表明,该方法的识别率高于单独采用一种特征的识别率。