基于图像的行人检测方法研究.doc
约31页DOC格式手机打开展开
基于图像的行人检测方法研究,research on pedestrian detection method based on image 1.4万字31页原创作品，已通过查重系统目录摘 要2关键词2第一章 前 言41.1行人检测41.1.1研究背景和意义41.2行人检测难点51.2.1外观（身材、衣着）对行人检测的影响5...
内容介绍
此文档由会员 已隔万里 发布
基于图像的行人检测方法研究
Research on pedestrian detection method based on image
1.4万字 31页 原创作品，已通过查重系统
目录
摘 要 2
关键词 2
第一章 前 言 4
1.1行人检测 4
1.1.1研究背景和意义 4
1.2行人检测难点 5
1.2.1外观（身材、衣着）对行人检测的影响 5
1.2.2动作对行人检测的影响 6
1.2.3视角对行人检测的影响 6
1.2.4行人的背景对行人检测的影响 6
1.3本文的内容安排 7
第二章 行人检测方法 8
2.1国内外研究现状 8
2.1.1国外研究现状 8
2.1.2国内研究现状 9
2.2基于红外线图像的行人检测系统 10
2.3小结 11
第三章 梯度方向直方图（HOG）原理 13
3.1HOG特征简介 13
3.2 HOG特征提取过程 13
第四章 支持向量机原理 17
4.1支持向量机简介 17
4.2线性支持向量机 17
4.3非线性支持向量机 19
第五章 基于SVM的行人检测实现及结果 21
5.1 INRIA 行人库 21
5.2实验过程 23
5.3实验结果分析 24
5.4实验效果图 25
第六章 总结和展望 28
致谢信 28
参考文献 29
Q95;
摘 要
随着科学技术的日益进步，汽车对人们日常生活来说越来越重要。但是伴随着汽车数量逐渐增加，交通事故发生的频率也越加频繁。行人安全已经成为全世界关注的一个重要课题，减少甚至避免交通事故的发生是智能辅助驾驶系统研究的最终目标之一，而行人检测在系统中起着至关重要的作用。
在本文中设计行人检测系统考虑到行人检测的复杂性，把准确性和鲁棒性作为评价标准。系统分为三个模块：特征提取模块，分类器训练模块，目标分类模块。特征提取模块的主要目标是从图片中提取出可以显著区别行人和非行人的特征。分类器训练模块则基于这些特征训练一个具有较好泛化性能的分类器，目标分类模块将训练好的分类器应用于未知场景下的行人检测。具体地，本文提取行人库中正负样本的梯度直方图（HOG）作为特性，并利用支持向量机（SVM）进行训练，从而得到目标分类中的分类面，为接下来的行人检测奠定基础。
实验表明，所设计的特征提取模块对光照变化，行人的动作、行人的外观以及行人所处背景等问题具有良好的鲁棒性。为测试行人检测方法的性能，本文利用INRIA 行人库，以使用更多的行人数据。根据当前图像中提取的方向梯度直方图特征，利用训练好的分类器判定其是否是行人。本文提出的基于图像的行人检测方法提高了行人检测的检测精度、降低了误检率和漏检率，同时在各种情况下取得良好的效果。
关键词： 图像行人检测 方向梯度直方图 支持向量机
Research on pedestrian detection method ba
1.4万字 31页 原创作品，已通过查重系统
目录
摘 要 2
关键词 2
第一章 前 言 4
1.1行人检测 4
1.1.1研究背景和意义 4
1.2行人检测难点 5
1.2.1外观（身材、衣着）对行人检测的影响 5
1.2.2动作对行人检测的影响 6
1.2.3视角对行人检测的影响 6
1.2.4行人的背景对行人检测的影响 6
1.3本文的内容安排 7
第二章 行人检测方法 8
2.1国内外研究现状 8
2.1.1国外研究现状 8
2.1.2国内研究现状 9
2.2基于红外线图像的行人检测系统 10
2.3小结 11
第三章 梯度方向直方图（HOG）原理 13
3.1HOG特征简介 13
3.2 HOG特征提取过程 13
第四章 支持向量机原理 17
4.1支持向量机简介 17
4.2线性支持向量机 17
4.3非线性支持向量机 19
第五章 基于SVM的行人检测实现及结果 21
5.1 INRIA 行人库 21
5.2实验过程 23
5.3实验结果分析 24
5.4实验效果图 25
第六章 总结和展望 28
致谢信 28
参考文献 29
Q95;
摘 要
随着科学技术的日益进步，汽车对人们日常生活来说越来越重要。但是伴随着汽车数量逐渐增加，交通事故发生的频率也越加频繁。行人安全已经成为全世界关注的一个重要课题，减少甚至避免交通事故的发生是智能辅助驾驶系统研究的最终目标之一，而行人检测在系统中起着至关重要的作用。
在本文中设计行人检测系统考虑到行人检测的复杂性，把准确性和鲁棒性作为评价标准。系统分为三个模块：特征提取模块，分类器训练模块，目标分类模块。特征提取模块的主要目标是从图片中提取出可以显著区别行人和非行人的特征。分类器训练模块则基于这些特征训练一个具有较好泛化性能的分类器，目标分类模块将训练好的分类器应用于未知场景下的行人检测。具体地，本文提取行人库中正负样本的梯度直方图（HOG）作为特性，并利用支持向量机（SVM）进行训练，从而得到目标分类中的分类面，为接下来的行人检测奠定基础。
实验表明，所设计的特征提取模块对光照变化，行人的动作、行人的外观以及行人所处背景等问题具有良好的鲁棒性。为测试行人检测方法的性能，本文利用INRIA 行人库，以使用更多的行人数据。根据当前图像中提取的方向梯度直方图特征，利用训练好的分类器判定其是否是行人。本文提出的基于图像的行人检测方法提高了行人检测的检测精度、降低了误检率和漏检率，同时在各种情况下取得良好的效果。
关键词： 图像行人检测 方向梯度直方图 支持向量机
