面向復雜交通環(huán)境的行人檢測方法及裝置.pdf

1、隨著攝像機性能的快速發(fā)展與人工智能技術的普及，自然圖像在智能交通領域得到了廣泛的應用。行人檢測由于其對于交通車輛行駛安全的重要影響，一直是智能交通領域的核心內容。然而由于行人目標本身的非剛體特性，以及復雜的外在干擾，如光照變換、遮擋、環(huán)境背景等，行人檢測依舊是圖像領域中的難點。
　　本文首先歸納總結了行人檢測技術的發(fā)展和研究現狀，詳細介紹了當前主要行人檢測數據集、檢測算子、分類方法等，并分析了存在的主要問題。接著，針對復雜交通環(huán)境

2、下，行人目標易受遮擋，影響檢測精度的問題，提出了一種基于DPM算法的單行人和雙行人并聯的檢測算法；設計了一套針對智能車載的實時行人檢測裝置；最后對所做工作進行總結展望。本文核心工作和相關成果如下：
　　1、針對于雙人互相遮擋的情況，從TUD-Brussels和ETH兩種行人數據庫中，根據遮擋概率統(tǒng)計情況，提取并建立了供訓練專用的雙行人數據庫。
　　2、基于DPM（部件可變模型）檢測算子和LatentSVM訓練方法，從INRI

3、A行人數據庫和雙人數據庫中分別訓練得到單行人的SP-DPM分類模板和雙行人的DP-DPM分類模板。通過線性分割的方法，將雙行人分類模版變形為包含單行人部件的雙行人模板SDP-DPM。
　　3、針對交通場景下行人分布情況的特征信息，提出一種將單人模型SP-DPM和雙行人模型SDP-DPM相結合的并聯檢測方法MutilPD-DPM。將構建的方法用于行人遮擋最為嚴重的Caltech行人數據庫上的檢測，并將檢測結果以ROC圖的形式與當前主