论文部分内容阅读
进入21世纪以来,交通事故已经成为一个严重的社会问题,行人作为道路交通的主要参与者,也是交通事故中最直接的受害者,他们的生命财产安全因交通事故而蒙受了巨大损失。因此,以减少交通事故数量、保护行人生命财产安全为目地的高级辅助驾驶系统受到世界各国的广泛关注。其中,基于计算机视觉的行人保护系统是高级辅助驾驶系统的重要组成部分,而动态复杂交通场景中的行人检测是行人保护系统中最为关键的技术。目前,大多数动态复杂交通场景中的行人检测是基于特征提取和机器学习的方法,但是,交通场景中行人外观的多样性、背景的快速变化、系统的实时性要求等给动态复杂驾驶场景中的行人检测带来了巨大的挑战,并且由于小目标行人缺少细节信息、行人特征复杂以及候选窗口数量过多等原因,使得目前存在的行人检测算法不能达到实时性要求、不能对小目标行人进行有效检测。本文在分析现有行人检测算法的基础上,发现通过缩小待搜索区域范围可以显著缩短检测时间、减少虚警数量。基于这一认识,本文提出一种基于道路平面提取的行人检测算法。该算法首先在光照不变空间中检测道路平面;然后基于道路平面和小孔成像原理提取行人可能存在的感兴趣区域;最后使用梯度方向直方图算法在经过尺度缩放后的感兴趣区域中检测行人。本文提出的算法通过在前期处理阶段进行感兴趣区域提取,极大程度地的减少待检测窗口的数量,显著的缩短检测时间;并且通过对感兴趣区域进行尺度缩放,明显的提高对小目标行人的检测效果。通过实验证明,本文提出的算法可以有效的缩短检测时间、减少虚警数量、显著的提高对小目标行人的检测精度。