基于感兴趣区域特征融合的行人检测方法研究..docxVIP

基于感兴趣区域特征融合的行人检测方法研究摘要 近年来伴随着智能车辆的快速发展，行人检测在车辆辅助驾驶方面被越来越重视。本文提出一种二维显著性纹理算子TS-LBP(Two-dimensional Significant Local Binary Pattern)，该算子能够反映图像的纹理特征、显著性特征同时具有较强的抗噪声性能。首先提取感兴趣的目标区域，再提取目标区域颜色与纹理特征的融合特征对目标进行特征描述，最后采用Adaboost 算法训练得到一个行人分类器对行人进行识别。实验结果表明，本文方法检测快速准确,具有较好的检测效果。关键词行人检测；感兴趣区域；颜色特征；纹理特征；特征融合中图分类号：TP391.41；文献标志码：AResearch of pedestrian detection method based onthe feature fusion of interested regionPeng Bao,Sun Shao-yuan,Liang Bing-chun,Shen Zhen-yi(College of information science and technology,Donghua University,Shanghai 201620,China)AbstractIn recent years,along with the rapid development of the intelligent vehicle,pedestrian detection in vehicle auxiliary driving is more and more attention.This thesis proposes a TS-LBP operator(Two-dimensionalSignificant Local Binary Pattern)which can reflect thetexture characteristics,the significance of the image with strong anti-noise performance.The first step is to extract the interested target area,then extracted color and texture feature fusion of the target area for target characteristics described,finallyusing Adaboost training algorithm to get a pedestrian classifier to identify pedestrians.The research shows that the method proposed in this paper is fast and accurate with good detection results.Keywordspedestrian detection;regions of interest;color feature;texture feature;feature fusion行人检测在视频监控、图形图像及多媒体分析等方面有广泛应用，在车辆辅助驾驶系统中更具有重要的应用价值。随着全球机动车辆的快速增长，交通事故也逐年上升，而大部分是由于车辆未及时采取避让措施造成车辆与行人的碰撞。因此，对行人进行检测，对有可能发生碰撞的行人提前做出预警将会很大程度上减少交通事故的发生。然而，行人是非刚性物体，行走姿态变化、衣着服饰多样以及不同的天气状况、光线变化和摄像头运动等因素的影响，使得行人图像之间差别巨大。因此，行人检测一直是一个有难度、富有挑战性的课题[1]。在过去的一段时间内，许多学者提出了多种行人检测方法。如基于运动信息的方法[2]、基于模板匹配的方法[3]等。基于运动信息的方法：通过检测行人的运动区域来进行行人检测，这种方法简单方便但具有很大的局限性，不能够检测到静止的行人；基于模板匹配的方法：通过预先存储一些行人轮廓的模板来表示行人，识别时将输入图像与模板对比就可以识别行人。这种方法需要很多模板才能满足检测行人的多样性，而且匹配花费时间较多；近年来，通过对有限样本的学习来预测未来数据的统计学习理论的行人检测方法备受专家学者推崇。Viola[4]等采用级联AdaBoost 学习算法对人脸进行检测，后由许多学者将其应用到行人检测上,取得了不错的检测效果；Dalal[5]等提出了梯度方向直方图特征(Histogram of Oriented Gradient，HOG)，该特征能够高效刻画出人体的边缘特征，是目前广泛使用的行人特征描述子。但是