论文部分内容阅读
随着信息技术在全球的快速进展,行人检测技术广泛的应用到视频监控、医疗诊断和各种智能交通领域。行人检测技术包括行人识别,分类和行为分析等几个方面,涉及到图像处理、模式识别和人工智能等诸多领域。传统的行人检测方法主要采用单目摄像机,提取行人的轮廓、形状和纹理等特征,采用统计学习的方法对行人进行行人检测。由于摄像机自身的限制,采集的视频图像容易受天气光照变化的影响,提取的行人特征完全依赖于图像中的颜色特征,信息较为单一,因此检测精度和速度都有待提高。针对传统的行人检测方法中出现的诸多问题,本文采用3D激光扫描仪和摄像机协同工作,利用激光点云对视频图像进行初步目标区域提取,减小计算范围,采集行人的反射强度信息,扩充视频图像的HOG特征,并利用线性SVM进行训练得到行人检测分类器,从而进行行人检测。本文的主要工作如下:1)激光扫描仪和摄像机的联合标定。本文采用手动和自动结合的联合标定方法,手工调整将激光点云映射到对应的视频图像并达到基本重合,从重合的激光点云和图像上选择对应的标定点,使用标定点计算得到校正参数。2)视频图像和激光点云的特征提取。提取视频图像中行人的HOG特征;利用配准后的激光点云生成反射强度灰度图,对反射强度灰度图进行预处理,然后提取反射强度灰度图中行人的HOG特征。3)利用激光点云提取目标检测区域。首先剔除激光点云中的地面点、噪音点以及远距离背景点,保留行人和车辆区域,然后生成激光点云灰度图并提取目标检测区域,大大减小了滑动窗口的检测搜索范围,提高了检测速度。4)融合视频图像和激光点云行人特征。在像素层面上融合激光点云中反射强度信息和视频图像信息,丰富了单一视频图像中行人HOG特征,使用线性SVM训练融合后的行人HOG特征进行行人检测,降低了误检率和漏检率。本文分别从时间和检测效率上对比了单一摄像机和激光点云和视频融合后的检测效果,实验结果表明,本文提出的数据融合方法在行人检测时效果更好。