資源描述：
《基于雙目立體視覺(jué)的行人檢測(cè)關(guān)鍵技術(shù)研究》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫(kù)。
1、學(xué)校代號(hào)10532學(xué)號(hào)S150200324分類號(hào)U461.91密級(jí)公開(kāi)碩士學(xué)位論文基于雙目立體視覺(jué)的行人檢測(cè)關(guān)鍵技術(shù)研究學(xué)位申請(qǐng)人姓名王鵬輝培養(yǎng)單位機(jī)械與運(yùn)載工程學(xué)院導(dǎo)師姓名及職稱白中浩教授學(xué)科專業(yè)機(jī)械工程研究方向汽車安全、圖像處理論文提交日期2018年4月20日學(xué)校代號(hào)：10532學(xué)號(hào)：S150200324密級(jí)：公開(kāi)湖南大學(xué)碩士學(xué)位論文基于雙目立體視覺(jué)的行人檢測(cè)關(guān)鍵技術(shù)研究學(xué)位申請(qǐng)人姓名：王鵬輝導(dǎo)師姓名及職稱：白中浩教授培養(yǎng)單位：機(jī)械與運(yùn)載工程學(xué)院專業(yè)名稱：機(jī)械工程論文提交日期：2018年4月20日論文答辯日期：2018年5月
2、24日答辯委員會(huì)主席：程軍圣教授ResearchonKeyTechnologiesofPedestrianDetectionBasedonBinocularStereoVisionbyWANGPenghuiB.E.(HunanUniversity)2015AthesissubmittedinpartialsatisfactionoftheRequirementsforthedegreeofMasterofEngineeringinMechanicalEngineeringintheGraduateSchoolofHunanUni
3、versitySupervisorProfessorBAIZhonghaoApril,2018湖南大學(xué)學(xué)位論文原創(chuàng)性聲明本人鄭重聲明：所呈交的論文是本人在導(dǎo)師的指導(dǎo)下獨(dú)立進(jìn)行研究所取得的研究成果。除了文中特別加以標(biāo)注引用的內(nèi)容外，本論文不包含任何其他個(gè)人或集體已經(jīng)發(fā)表或撰寫(xiě)的成果作品。對(duì)本文的研究做出重要貢獻(xiàn)的個(gè)人和集體，均已在文中以明確方式標(biāo)明。本人完全意識(shí)到本聲明的法律后果由本人承擔(dān)。作者簽名：日期：年月日學(xué)位論文版權(quán)使用授權(quán)書(shū)本學(xué)位論文作者完全了解學(xué)校有關(guān)保留、使用學(xué)位論文的規(guī)定，同意學(xué)校保留并向國(guó)家有關(guān)部門或機(jī)構(gòu)送交論文
4、的復(fù)印件和電子版，允許論文被查閱和借閱。本人授權(quán)湖南大學(xué)可以將本學(xué)位論文的全部或部分內(nèi)容編入有關(guān)數(shù)據(jù)庫(kù)進(jìn)行檢索，可以采用影印、縮印或掃描等復(fù)制手段保存和匯編本學(xué)位論文。本學(xué)位論文屬于1、保密□，在______年解密后適用本授權(quán)書(shū)。2、不保密□。（請(qǐng)?jiān)谝陨舷鄳?yīng)方框內(nèi)打“√”）作者簽名：日期：年月日導(dǎo)師簽名：日期：年月日I碩士學(xué)位論文摘要隨著經(jīng)濟(jì)的高速發(fā)展和人口的大量增加，許多道路都是行人、非機(jī)動(dòng)車與機(jī)動(dòng)車共同使用，在各種交通事故中，相對(duì)于駕駛員和乘員而言，行人、非機(jī)動(dòng)車駕駛?cè)艘约捌渌鮿?shì)交通參與者在交通事故中的傷亡情況更加嚴(yán)重，行
5、人檢測(cè)現(xiàn)已成為國(guó)內(nèi)外科研院所和產(chǎn)業(yè)界共同的研究熱點(diǎn)，其作為智能駕駛輔助系統(tǒng)和無(wú)人駕駛系統(tǒng)中的核心組成部分，是保護(hù)行人及其他道路使用者的有效主動(dòng)式安全輔助系統(tǒng)，具有有效減少道路交通事故傷亡的實(shí)用意義。本文在深入研究前人提出的交通環(huán)境行人檢測(cè)方法原理的基礎(chǔ)上，提出的基于雙目立體視覺(jué)的交通場(chǎng)景中的行人檢測(cè)，利用視差信息生成基于棒狀像素（stixels）的場(chǎng)景表達(dá)，可以有效減少行人檢測(cè)候選區(qū)域的同時(shí)避免了像素級(jí)（pixels）的深度圖計(jì)算，在預(yù)處理階段顯著減少算法用時(shí)。將預(yù)處理階段后的每一幀圖像運(yùn)用多尺度HOG特征（Multi-HOG特
6、征）+LUV顏色空間特征+交叉核支持向量機(jī)的特征融合目標(biāo)檢測(cè)策略，在改進(jìn)傳統(tǒng)HOG特征的基礎(chǔ)上融合了顏色特征，顯著提高算法實(shí)時(shí)性的同時(shí)保證了檢測(cè)準(zhǔn)確度，從而達(dá)到實(shí)時(shí)、準(zhǔn)確、高魯棒性的交通場(chǎng)景行人檢測(cè)的目的。本文主要研究?jī)?nèi)容包括以下幾個(gè)方面：（1）建立了基于雙目立體視覺(jué)的駕駛場(chǎng)景與障礙物模型，得到視差和深度信息，結(jié)合交通場(chǎng)景中行人的普遍特征，生成了基于棒狀像素（Stixel-world）的場(chǎng)景表達(dá)方式，避免了像素級(jí)的計(jì)算，降低了算法的復(fù)雜度。（2）針對(duì)行人潛在區(qū)域提取邊界不夠平滑的問(wèn)題，設(shè)計(jì)動(dòng)態(tài)規(guī)劃算法優(yōu)化了Stixels的合理性
7、，有效提取出了感興趣區(qū)域，與傳統(tǒng)算法相比大幅減少了行人檢測(cè)的候選區(qū)域，部分場(chǎng)景減小檢測(cè)區(qū)域可達(dá)73%。（3）為保證檢測(cè)準(zhǔn)確性，篩選了block尺度形成Multi-HOG特征，并與LUV顏色通道特征相融合，實(shí)驗(yàn)結(jié)果表明本文算法在較為復(fù)雜的環(huán)境下總體行人目標(biāo)誤檢率控制在10%以下，漏檢率在15%以下，檢測(cè)準(zhǔn)確度較傳統(tǒng)算法有了很大提升。（4）設(shè)計(jì)了交叉核SVM分類器，在大量樣本的情況下顯著提升了行人檢測(cè)系統(tǒng)實(shí)時(shí)性，在TUD和ETH數(shù)據(jù)庫(kù)上的檢測(cè)用時(shí)分別縮短了76.9%和79.8%，基本滿足車載行人檢測(cè)系統(tǒng)對(duì)實(shí)時(shí)性的要求。關(guān)鍵詞：行人檢
8、測(cè)；雙目立體視覺(jué)；Stixel-world；特征融合；交叉核支持向量機(jī)II碩士學(xué)位論文AbstractWiththerapiddevelopmentofeconomyandthelargeincreaseofpopulation,manyroadsareused
