原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
第３９卷第１１期自动化仪表Ｖｏｌ３９Ｎｏ１１
２０１８年１１月ＰＲＯＣＥＳＳＡＵＴＯＭＡＴＩＯＮＩＮＳＴＲＵＭＥＮＴＡＴＩＯＮＮｏｖ.２０１８
车载环境下实时行人检测系统研究
邓健峰ꎬ谢云
(广东工业大学自动化学院ꎬ广东广州５１０００６)
摘要:行人检测技术在车辆辅助驾驶、视频监控等领域具有重要的应用价值ꎮ针对车载环境下传统行人检测系统存在工作量大、
实时性差的问题ꎬ设计了基于Ｚｙｎｑ的实时行人检测系统ꎮ利用Ｚｙｎｑ芯片中现场可编程门阵列(ＦＰＧＡ)＋ＡＲＭ结构ꎬ首先在ＦＰＧＡ端
中采用摄像头采集图像数据ꎬ利用高层次综合(ＨＬＳ)工具对图像进行预处理硬件加速ꎬ减少耗时ꎮ在此基础上ꎬ由ＡＲＭ端完成统计
转换直方图(ＣＥＮＴＲＩＳＴ)特征提取ꎬ并结合级联支持向量机(ＳＶＭ)进行高效目标分类ꎬ最后输出行人位置ꎮ试验结果表明ꎬ该方法在
检测时间方面有明显改善(降低至１６０.４５ｍｓ)ꎻ与传统的ＨＯＧ＋ＳＶＭ算法相比ꎬ检测率从９１.０％提高到９２.４％ꎮ行人检测系统在不
降低检测率的前提下ꎬ可以达到满意的检测速度ꎬ为未来无人驾驶、智能车辆等方向研究和应用提供了技术支持ꎮ
关键词:车载环境ꎻ行人检测ꎻ统计转换直方图ꎻ支持向量机ꎻ硬件加速
中图分类号:ＴＨ８６ꎻＴＰ３９１.４文献标志码:ＡＤＯＩ:１０.１６０８６/ｊ.ｃｎｋｉ.ｉｓｓｎ１０００￣０３８０.２０１８０５００３８
ＲｅｓｅａｒｃｈｏｎＲｅａｌ￣ＴｉｍｅＰｅｄｅｓｔｒｉａｎＤｅｔｅｃｔｉｏｎＳｙｓｔｅｍｉｎＶｅｈｉｃｌｅＥｎｖｉｒｏｎｍｅｎｔ
ＤＥＮＧＪｉａｎｆｅｎｇꎬＸＩＥＹｕｎ
(ＳｃｈｏｏｌｏｆＡｕｔｏｍａｔｉｏｎꎬＧｕａｎｇｄｏｎｇＵｎｉｖｅｒｓｉｔｙｏｆＴｅｃｈｎｏｌｏｇｙꎬＧｕａｎｇｚｈｏｕ５１０００６ꎬＣｈｉｎａ)
Ａｂｓｔｒａｃｔ:Ｐｅｄｅｓｔｒｉａｎｄｅｔｅｃｔｉｏｎｔｅｃｈｎｏｌｏｇｙｈａｓｉｍｐｏｒｔａｎｔａｐｐｌｉｃａｔｉｏｎｖａｌｕｅｉｎｔｈｅｆｉｅｌｄｓｏｆｖｅｈｉｃｌｅａｓｓｉｓｔｅｄｄｒｉｖｉｎｇａｎｄｖｉｄｅｏ
ｓｕｒｖｅｉｌｌａｎｃｅ.Ａｉｍｉｎｇａｔｔｈｅｐｒｏｂｌｅｍｓｏｆｈｅａｖｙｗｏｒｋｌｏａｄａｎｄｐｏｏｒｒｅａｌ￣ｔｉｍｅｐｅｒｆｏｒｍａｎｃｅｏｆｔｒａｄｉｔｉｏｎａｌｐｅｄｅｓｔｒｉａｎｄｅｔｅｃｔｉｏｎｓｙｓｔｅｍ
ｉｎｖｅｈｉｃｌｅｅｎｖｉｒｏｎｍｅｎｔꎬａｒｅａｌｔｉｍｅｐｅｄｅｓｔｒｉａｎｄｅｔｅｃｔｉｏｎｓｙｓｔｅｍｂａｓｅｄｏｎＺｙｎｑｉｓｄｅｓｉｇｎｅｄ.ＢｙｕｓｉｎｇｔｈｅＦＰＧＡ＋ＡＲＭｓｔｒｕｃｔｕｒｅｉｎ
Ｚｙｎｑｃｈｉｐꎬｔｈｅｃａｍｅｒａｉｓｕｓｅｄｔｏｃａｐｔｕｒｅｉｍａｇｅｓｄａｔａａｎｄｔｈｅｈｉｇｈ￣ｌｅｖｅｌｓｙｎｔｈｅｓｉｓ(ＨＬＳ)ｔｏｏｌｉｓｕｓｅｄｔｏｈａｒｄｗａｒｅ￣ａｃｃｅｌｅｒａｔｅｔｈｅ
ｉｍａｇｅｐｒｅｐｒｏｃｅｓｓｉｎｇ.ＯｎｔｈｉｓｂａｓｉｓꎬＡＲＭｃｏｍｐｌｅｔｅｓｔｈｅｆｅａｔｕｒｅｅｘｔｒａｃｔｉｏｎｏｆｃｅｎｓｕｓｔｒａｎｓｆｏｒｍｈｉｓｔｏｇｒａｍ(ＣＥＮＴＲＩＳＴ)ꎬａｎｄ
ｃａｓｃａｄｅｓｕｐｐｏｒｔｖｅｃｔｏｒｍａｃｈｉｎｅｓ(ＳＶＭ)ｉｓｕｓｅｄｆｏｒｅｆｆｉｃｉｅｎｔｔａｒｇｅｔｃｌａｓｓｉｆｉｃａｔｉｏｎꎬｆｉｎａｌｌｙｔｈｅｐｅｄｅｓｔｒｉａｎｐｏｓｉｔｉｏｎｉｓｏｕｔｐｕｔ.Ｔｈｅ
ｅｘｐｅｒｉｍｅｎｔａｌｒｅｓｕｌｔｓｓｈｏｗｔｈａｔｔｈｉｓｍｅｔｈｏｄｈａｓａｓｉｇｎｉｆｉｃａｎｔｉｍｐｒｏｖｅｍｅｎｔｉｎｄｅｔｅｃｔｉｏｎｔｉｍｅｗｈｉｃｈｉｓｒｅｄｕｃｅｄｔｏ１６０.４５ｍｓ.
Ｃｏｍｐａｒｅｄｗｉｔｈｔｈｅｔｒａｄｉｔｉｏｎ
文档评论（0）