基于计算机视觉的车辆前方行人检测算法研究

分类号|11,11 级学校代码! 文英 文 Q!理旦!曼!堑苎垒曼曼亟望星!星鱼鱼 目一一 里星盘墨!煎垫坐曼煎Q逊适!曼作者姓名 江源远指导教师 姓名赵童咀一职称耋生学位学科专业名称 揎剑銎堂鱼兰猩论文提交日期 20134 论文答辩日期学位授予单位 盛垫堡墨盘鲎学位授予日期2013520136答辩委员会主席 虚婆溘 评阅人 塞4溘丕墓201 3年5月独创性声明本人声明，所呈交的论文是我个人在导师指导下进行的研究工作及取得的研究成果。据我所知，除了文中特另文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得武汉理工大学或其它教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示了谢意。研究生(签名)：王乏涯垂 日期：丛；口关于论文使用授权的说明本人完全了解武汉理工大学有关保留、使用学位论文的规定，即：学校有权保留送交论文的复印件，允许论文被查阅和借阅；学校可以公布论文的全部或部分内容，可以采用影印、缩印或其他复制手段保存论文。(保密的论文在解密后应遵守此规定)研究生(签名)： 派这 导师绎期出3书武汉理工大学硕士学位论文摘要近年来，随着机动车保有量的不断攀升，道路交通安全状况日益恶化，严重影响了经济的发展和人民的健康。尤其在中国这样典型的混合交通系统中，行人在交通事故中受到的伤害也远大于其他国家。因此，车辆辅助驾驶系统作为减少交通事故发生的有效手段，已经得到了广泛的重视。而基于计算机视觉的车辆前方行人检测则是该领域内最为关键的课题之一，其核心是利用安装在运动车辆上的摄像机获取前方环境信息，然后快速准确地检测出视频中的行人，协助驾驶者及时对外界环境做出反应，避免碰撞行人。由于行人服饰姿势的多变性、车载系统下背景的复杂性，使得在城市道路交通环境下进行行人检测成为一个极具挑战的课题。目前行人检测的方法多样，但是其本质都是利用行人与众不同的特征将其从背景中分割出来，将检测转换为模式识别的问题，利用机器学习进行分类。基于此思想，本论文首先研究了单目摄像机下行人检测的两个关键问题，包括特征描述算子和分类器训练算法；然后针对城市道路交通这一特定环境，制定了独特的检测策略，具体如下：在特征提取方面，本文在出了一种融合特征，以此来逼近而加速特征的提取。该融合特征采用了6个量化的梯度方向通道，1个梯度幅值通道，3个得较好的行人检测性能。在分类器的选择上，本文采用上述特征进行训练。该法能有效防止部分融合特征可能会产生的抵触情况；同时也大大提高检测速度。最后，针对城市环境下正常行驶的车辆所拍摄视频的特点，本文设计了两个分类器在重点区域对不同尺寸下的行人进行检测。实验结果表明，本文的积分通道特征在误报率为104时能达到913的检测率；同时本文的行人检测策略也能够实现对车辆前方不同尺寸的行人进行有效地识别。关键词：车辆辅助驾驶，计算机视觉，行人检测，积分通道特征，联分类器武汉理工大学硕士学位论文of of on a in as of of on is of in is to in a on a to to to to in in ue to of in a in an as in of to to a of to do of a n a an OG or UV to s to of in to an by in by a on a in at 汉理工大学硕士学位论文in of a ie，130001an of a e，课题的研究背景112行人检测技术现状分析2121基于视觉传感器的行人检测研究现状2122基于非视觉传感器的行人检测技术研究现状713车辆前方行人检测的应用现状一914课题的研究背景1 115本课题的研究内容及组织结构12151课题的研究内容12152论文的组织结构13第2章行人检测系统评价标准1421行人检测系统评价方法1422行人数据库1 6221 1 7222 1 723小结1 8第3章基于积分通道特征的行人检测1931特征融合的必要性1932积分通道特征19321积分通道特征的概念19322相关研究20323通道属性21324通道类型2233本文特征提取方法26331通道类型的选择26332实验步骤28333算法流程图29334实验结果3034小结30第4章基于3典型的机器学习算法比较3 1411支持向量机3 2神经网络32413级联分类器32414分类器优缺点分析3342 33421算法提出33422算法原理34423算法解释35424算法分析3643级联37431行人检测的不对称性37432级联分类器的提出37433级联分类器的训练过程38434算法分析3944实验40441训练流程图40442训练结果40443级联分类器性能4245小结43第5章车辆前方行人检测算法的实现4451行人检测算法框架4452车辆前方视频成像特点分析45521尺度统计45522位置统计4753检测策略48531分级检测48532流程图4954窗口融合算法4955实验环境5056实验结果5057小结52第6章总结与展望5361论文成果总结5362研究展望54致谢55参考文献56作者在攻读硕士学位期间发表的学术论文60武汉理工大学硕士学位论文第1章绪论车辆辅助驾驶是现代科技发展的主要产物和必然导向，积极推动了未来交通的发展。而基于计算机视觉的车辆前方行人检测是其中非常关键且基础的一项技术，因而成为该领域内活跃的研究课题。其核心是利用安装在运动车辆上的摄像机拍摄前方环境信息，快速准确地检测出行人，从而估计出潜在的危险并向驾驶者发出预警。本章介绍了课题的研究背景和意义，分析了行人检测算法的研究现状，并介绍了现有车辆前方行人检测技术的应用现状，以及本论文的结构安排。11课题的研究背景随着社会经济的迅速发展及城市化进程的不断加快，我国机动车辆保有量逐年攀升，道路交通安全状况日益恶化，由此造成的人民生命财产和国民经济损失非常巨大。国家统计局发布的(2012年国民经济和社会发展统计公报中指出，2012年末全国民用汽车保有量达到12089万辆，比上年末增长143j。同时，据公安部统计数据显示，2012年全年，全国接报涉及人员伤亡的路口交通事故46万起，造成11万人死亡、5万人受伤，分别上升177、165和123；其中，因路反交通信号灯导致的事故起数上升179【2】，直接经济损失超过10亿。由此可见，道路交通安全问题已严重影响经济发展，减少交通事故的发生和人员的伤亡是一个刻不容缓、亟待解决的问题。从道路交通事故的成因来看，人、车、路以及交通环境这四个因素都严重影响着道路交通安全，尤其是在中国，人车并行的情况非常多。在这种典型的混合交通系统中，行人是道路交通事故中的主要受害群体，汽车对行人造成的交通伤害也远大于其他国家。2011年，汽车保有量为104亿的中国，有62万人死于车祸；而在汽车保有量为7000多万的日本，车祸死亡人数为4611人；汽车保有量285亿的美国，交通意外死亡人数为42人【3】。这些触目惊心的数据反应出的各种问题使得车辆安全辅助驾驶系统受到越来越多的关注，各国都在不断地投入大量的人力和财力，研发各种车辆辅助驾驶系统(致力于提高汽车的安全性，减少交通事故的发生，降低对行人的伤害。保障行人交通安全的前提是能够实时、准确、可靠地检测出车辆周围的行人。因此行人检测系统(主要功能是，利用装载在运动车辆上的摄像机获取到车辆前方的视频信息，通过对视频中行人进行姿态估计、运动分析、行为理解等，从而判断行人的安全状态，并根据评估出的安1武汉理工大学硕士学位论文全等级给出相应的预警信息【8】，甚至在必要时进行刹车、转向等避碰控制以避免交通事故的发生。行人检测，起源于上世纪90年代初，是计算机视觉、传感、机器学习、信息融合、自动控制等交叉学科研究的热门课题，目前一些汽车生产厂商和各研究机构已经相继开始了行人检测这一技术的研究。例如，前几年欧盟与一些企业和研究机构合作，资助了几个关注行人安全的项目，比如4】和(5】；意大利帕尔玛大学在政府支持下进行了l 314】研究，其主要目的是设计能在高速公路上行驶的无人驾驶系统；以色列的】致力于研发汽车工业的计算机视觉算法和驾驶辅助系统的芯片技术：沃尔沃公司研发出了带全力自动刹车功能的行人安全系统(行人检测技术现状分析目前，国内外研究机构在行人检测技术上已经取得了非常大的进展，其中也不乏实际应用。目前的车辆前方行人检测系统中，由于视觉传感器(包括单目视觉和立体视觉)采集信息的丰富性、操作的方便性、价格的低廉性等各方面的优势，使得大多数研究者都采用其作为行人检测的传感器，但是基于视觉传感器由于信息量大往往需要比较复杂的算法。另外，红外传感器和激光雷达现在也成为一部分研究单位选择的传感器，它们共同具有的特点就是价格相对昂贵，信息量比起视觉要小，所以误检率会相对较高【8】。下面分别介绍这些技术的研究现状。121基于视觉传感器的行人检测研究现状基于计算机视觉的车辆前方行人检测是行人检测技术的一个具体应用，所用到的技术仍然隶属于行人检测的范畴。其主要任务是利用安装在运动车辆上的摄像机拍摄周围环境信息，然后快速准确地检测出图像中的行人。目前国外的著名行人检测研究机构有美国卡内基梅隆大学、意大利帕尔玛大学、德国内有清华大学、西安交通大学和吉林大学等。迄今为止，基于视觉的行人检测仍然是计算机视觉领域中的难题，其主要原因包括：1)行人目标严重的非刚性，同时行人可能呈现多种不同的姿态，或行走或静止，或站立或蹲下；2)背景的复杂性，而且行人与背景混合，难以分离；3)成像角度不同，而且光照的变化也不可预计；4)行人之间相互遮挡。然而，在实际应用中，除了面临上述难题之外，还需要考虑到摄像机的运动；同时由于2，一武汉理工大学硕士学位论文处在开放的环境，不同的路况、天气的变化也对行人检测算法提出了更高的要求。因此，目前的人体检测系统只在某些特定环境中被证明有效，从而激励了该领域研究人员对此技术的不断创新与改进。根据利用信息的不同，行人检测可以分为基于运动特性(检测方法和基于特征(检测方法9】。在实际应用中，通常会将这两种方法结合使用。基于运动特性的检测方法利用的是行人运动时候的步态特征。由于行人在行进过程中步态具有特定的周期性，那么就可以根据此特征来区分出行人。该类方法的好处是避免了光照及纹理的变化，但是缺点是只能检测运动的行人。卡内基梅隆大学的研究发现，非刚性的人体在运动时比其他刚性物体的平均残余光流要高，并且还具有一定的周期性，据此就可以识别出行人。德国】根据行人在与像平面平行的方向上行走时，腿部会表现出一定的周期性特征来检测行人，图11所示的是该算法的检测结果。图I1 缘和纹理等信息对行人目标进行检测。其优点是可以检测出静止不动的目标物体，缺陷是容易产生大量的虚警(这类方法可分为基于明确模型的方法(嵋1川、基于模板匹配的方法17 3和基于统计学习的方法【18瑚】。(1)基于明确模型的方法基于明确模型的方法是根据人体的结构预先构造出一个明确的参数模型，通过提取图像的低层特征来求解模型，从而识别行人。这种方法的优点是可以较好的处理遮挡问题，并且可以估计行人的姿态，但缺点是模型比较难构建，模型的求解过程也比较复杂【类方法比较经典的是3等人于2004年开发的红外图像行人目标检测系统，其针对不同衣着和姿势建立了一系列的3内基梅隆大学的5】针对人体的正面和侧面分别建立了一个2于该模型不仅包括整体形状，还包括各部分的形状，很好地解决了遮挡问题。(2)基于模板匹配的方法基于模板匹配的方法是指预先存储一些灰度或者轮廓等模板来表征目标，在3武汉理工大学硕士学位论文检测分类的时候只需计算出输入数据与模板之间的相似度就可以进行目标的分类了。这类方法的优点就是计算简单、易实现，缺点是由于目标的多视角多姿态的关系，很难构造出包含所有姿态的模板来处理不同的情况【l 21。该类方法中最具代表性的是德国7】于2002年提出的基于轮廓的分层匹配算法，目前已用于目。分模板如图1-2(a)所示)，涵盖了行人的多种不同姿势；然后采用了由粗到细的分层搜索策略，通过行人轮廓特征来锁定候选目标。匹配时通过衡量模板与待检测窗口在距离变换图像(的倒角距离(判断是否是行人。图12所示的是分层模板示意图及该方法的检测结果。ol(a)行人轮廓模板 (b)检测结果图14】参与研究的要是基于行人形状的对称性，其利用不同大小的头肩部二值模板来寻找行人头部，并用一个简单的约束函数定位头部，最后通过立体视觉测距技术求取行人脚底边界，从而识别出行人。图13所示的是该算法中的头肩模型以及检测结果。(a)头肩模型 (b)检测结果图13 )基于统计学习的方法基于统计学习的方法是指通过机器学习从一系列训练数据中学习得到一个分类器，然后利用该分类器对输入窗口进行识别。该法能够从样本集中学习人体4殳必杰而有很好的泛化能力，缺点是需要大量样本，训练时间长，并且很难解决多姿态和遮挡问题。下面介绍几种典型的方法。基于整体特征的行人检测省理工大学8】首次将机器学习引入到行人检测领域，其发现直立的行人图像经过是对图像中每个特定大小的窗口以及其按一定比例缩放之后得到的窗口进行小波变换，然后利用果匹配成功则判定为行人。该法在误报率为115000的情况下，取得了816的检测率，这在当时处于领先的地位。图9】延续了出了一种通用的目标检测框架。他们利用自己提出的级联大提高了检测速度。此法对于人脸这类有明显、稳定结构要结构相对固定即使发生扭曲变形等非线性形变依然可以识别。而行人具有非刚性，并且姿势的不同导致形态万千，因此该方法在人体检测领域的应用并不是很广泛。但是这一框架后来成为经典的检测器训练方法，并得到了广泛的应用。u如】提出了局部二元模式(征首先引进到行人检测领域，并取得了较好的效果。别是在行人的穿着打扮和周围的环境差异较大的情况下。然而当环境光线较暗，或者行人服饰和周围环境较为融合时，往往会发生漏检；对于图片内容较为单一，颜色、明亮成对对比度不够时，也容易发生误检。1,221研究发现稀疏局部特征无法完整的描述人体对象，并且衣服的颜色和整体亮度也干变万化，而梯度方向直方图(能够很好地勾勒出人体对象的轮廓。于是提出了证明其适合于人体对象的检测。武汉理工大学硕士学位论文颜色空间标准化、计算梯度、空间和方向上的梯度统计、对比度标准化、特征向量生成以及基于者在自己建立的复杂的误报率为104情况下能达到891拘检测率。图15是是该法所形成的特征维数较高，检测速度有待提高。幽15原始检测结果在年来，不同机构的研究人员围绕志刚提出基于31，可以根据实际需要把行人在不同视角的特征都转换到所需视角下，从而消除了视角差异带来的样本冗余问题，简化了人体检测算法，而且实验表明该方法在误报率10珥时检测率为87，同时也大量减少了训练所需要的正负样本数量。曲永宇等人2425261分析了人脸肤色在后提出使用法借鉴级联拒绝机制的思想，采用两级串联分类检测，选择分类能力较强的特征块(行降维处理，在在误报率为10。4时能达到95的检测率。周生辉27_281在出了一种在感兴趣区域(化提取验证明该算法在检测率(误报率为104)，同时在武汉理工大学校园监控样本集上也取得到了准确度很高的的人体目标检测结果。基于多部位的行人检测系统9行人检测系统由头，腿，左臂和右臂这四个部位检测器和一个组合分类器组成。在训练阶段，组合分类器的输入为四个部位检测器的输出。检测过程中，由于人体的各部位的相对位置并不是固定的，四个部位检测器会在一定范围内进行搜索，找到反应最强的位置作为最终的输出。实验证明，这个系统的检测性能比单个整体检测器明显要好。】等人于2010年提出了基于人体部分模板层级匹配的方法，其主要思想是利用局部的部位检测器来有效处理部分遮挡的情况，同时还利用一个全局6武汉理工大学硕士学位论文的形状模板对分割后的行人进行有效检测。该法建立了头躯干(分、大腿(分和小腿(10分三层树形结构，通过部分模板之间的不同组合充分表征人体所有可能出现的动作。然后根据这些模板提取对应位置的轮廓边缘，根据贝叶斯的全概率公式找到最符合行人目标的结果。实验证明，在误报率为01帧的情况下，检测率达到95。通过上面的介绍可知，现有的行人检测方法都有各自的优缺点，在此本文进行了一定的对比和分析，如表11所示。由于基于统计学习的方法从样本中学习到行人的固有特征，能够从根本上解决人体形状和姿势各异的难点，所以是目前主流的行人检测方法。表11各类检测方法对比使用 鲁棒性 计算复背景 杂度 准确度 优点 缺点受颜色、光照 不能检测静止基于运动的方法 动态 较好 低 低影响较小 的行人方便处理姿态 建模和求解比基于明确模型法 静态 由 高 较高和遮挡问题 较复杂模板不全面，匹基于模板匹配法 静态 由 较低 较高 计算方法简单配耗时间一 不需要人工设 需要大量样本；基于统计学习法 静态 较好 较高 局定大量参数 训练耗时122基于非视觉传感器的行人检测技术研究现状目前除了采用视觉传感器进行行人检测之外，还可采用红外成像传感器、微波雷达、激光测距仪等。下面将分别进行介绍。(1)红外成像传感器此类方法主要是基于人体温度和热量发射都要比周围环境温度偏高的事实。行人在红外图像中将会呈现更高的灰度值，并且与背景差异很大；如果结合行人的形状和外形比例便可以排除其他发热物体。3等人于2004年开发的红外图像行人目标检测系统，针对不同衣着和姿势建立了一系列的3图1-6(a)(h)所示。该系统首先确定感兴趣区域，在此区域内提取垂直边缘特征，并根据对称性定位候选区域：然后利用3确定其是否为行人；最后，将两次迭代验证的结果进行融合，从而输出检测到的行人。图1-7(a)所示的是红外图像，图17m)是检测结果。7武汉理工大学硕士学位论文(a) (b)图1a) (b)图17 1】提出一种红外图像概率模板行人检测算法。首先将高度相同但姿态不同的行人红外图像经过简单的阈值归一处理得到概率模板，然后利用该模板对可能包含行人的区域进行匹配检测。图1-8(a)所示的是行人概率模板，检测结果见图b)(c)。由于该法非常容易受到路边街灯的影响，所以误报率比较高。震麓(a) (b) (c)图18行人概率模板及检测结果由于红外成像传感器可以用于夜间，而且突破了天气和阴影的限制，使得行人检测更为容易。但不可避免的是外界的高温，尤其是在炎热的夏天，会严重削弱行人与环境的温度差异，影响检测。另一方面，行人携带的物体会对检测带来很大的干扰32。(2)微波雷达决在距离方面的难题；同时在一些特殊天气条件下，比如恶劣天气导致的可见度低时，亦能可靠地进行检测。采用微波雷达技术进行行人检测主要是依据是行人跟其他障碍物相比，具有特殊反射特征。在实际应用中，通常是将车载雷达与视觉传感器结合使用，以获得更为准确的道路交通信息。(3)激光测距仪激光测距仪最初被用于机器人领域，后被广泛应用到智能车辆和安全辅助驾驶系统中，其作用是检测障碍物、获取三维环境信息。德国乌尔姆大学的3研发的行人检测系统在车辆正前方安装检测到车前40描频率20标的速度可以通过每次扫描的位置信息获得。最终通过轮廓对比，将目标进行分类。13车辆前方行人检测的应用现状车辆前方行人检测是车辆辅助驾驶系统中非常关键的一环，对该技术的不断研究也使其应用成为可能。下面简要介绍几个代表性的应用实例。(1)欧洲计划在欧盟的资助下，克莱斯勒等汽车生产商在2004年完成了】，并在2005年完成系统【5】。以光学摄像头、红外摄像头以及短波雷达作为传感器，可以快速准确地检测出行人及其他障碍物，并且不受天气影响，车速可达150kmh。可以很好地发挥辅助驾驶的功能，并在日常的生活中得到广泛应用。(2)意大利主要目的是设计能在高速公路上行驶的无人驾驶系统。该车采用低成本的用立体视觉检测和定位车辆行驶前方的障碍物，并在此基础上实现目标检测，结合不同的控制设备以实现无人驾驶【H】。(3)瑞典发了一套带全力自动刹车功能的行人探测系统，并已成功应用在了】车型上。该系统主要基于雷达和摄像头来检测车辆前方的行人，当有人进入汽车的行进路线时，系统会及时发出警告；如果驾驶员未能及时地做出反应，那么系统将会自动启动全力刹车模式。此项技术不但可以追踪行人的运动模式，而且还能计算车行人是否会在下一时刻走入车辆前方道路。这套系统在真实的交通环境下行驶超过50万公里，通过了世界各地不同路况、气候以及交通行为差异的考验，可以检测身高08米以上的行人。)以色列的要致力于汽车工业的计算机视觉算法和车辆辅助驾驶系统的芯片技术研发。该公司仅依靠单目摄像机就能实现所有功能，这使其在备受青睐的立体视觉和雷达中脱颖而出，并且一直领跑于2270是组成包括一部“智能相机”，被安装在车辆内部的前挡风玻璃上。作为驾驶者的“第三只眼”，该智能行车预警系统提供了对车道、车辆、行人和交通标志的检测和预警，能有效的防止交通事故的发生3 4|。表12所示的是其可以提供的功能。表12270可向驾驶者提供的功能车道偏离预警(车道保持和支持(道检测向碰撞预警(城市正向碰撞预警(前进监测预警(人检测 行人探测与防撞预警(般检测 交通标志检测(他功能 智能远光灯控制(采用图像处理领域中先进的模式识别和分类技术以及光流分析，在112)国内方面我国在车辆辅助驾驶领域的研究起步较晚，而且研究方向主要集中在路径识别、避障等自主导航技术。目前国内从事该方面研究的单位主要有清华大学、吉林大学、西安交通大学、中科院自动化研究所等。2005年，清华大学成立了汽车电子实验室，重点研究车载视频安全辅助驾驶。其开发的动驾驶技术和时速均达到国际先进水平，同时既能面向高速公路，也能适应一般道路。有彩色摄像机、声等传感器等，3台计算机系统，其中一台够实现简单的车辆前方障碍物检测，并能测量驾驶车辆与前方车辆的距离等。10武汉理工大学硕士学位论文上海交通大学的智能车辆技术研究所与欧盟合作开展的方绿舟演示场里，完成了自动载客上路等任务，试验旅途中，智能车能够自动避开行人、沟壑、其他车辆等障碍物，并在排除障碍后继续前进。西安交通大学的人工智能与机器人研究所(发的“夸父一号和“夸父二号”在2012年“中国智能车未来挑战赛”中表现优异，能够在实际城区道路和乡村道路环境下完成避让或者汇入简单车辆、前方障碍物识别并避开的功能，并且能够在恶劣天气条件下自主行驶。吉林大学自1992年起开始进行智能车辆和安全辅助驾驶技术的研究，先后推出前已在智能车辆自主导航、车道偏离预警。安全车距预警、换道超车、驾驶员疲劳驾驶与精神状态视觉监测等领域取得了许多有价值的成果。无人驾驶视觉导航设计速度50km课题组首次进行了车辆前方行人检测技术的研究，同时还根据运动方向和距离分析了车辆对行人构成的威胁程度【6刚。这些研究虽然在校园道路或者城市道路上进行了实验，但多数只考虑了道路上的静止障碍物，对城市交通中行人这个重要参与者的考虑相对较少。14课题的研究意义行人检测技术是安全辅助驾驶领域中备受关注的前沿方向，开展车辆前方行人的检测，及时向驾驶员反馈前方道路是否有行人的存在，具有非常重要的意义。因此本论文选题旨在：(1)为提高城市交通安全提供保障行人在道路交通系统中由于缺少保护设备，往往最容易受到伤害，因而成为交通参与者中的弱者。尤其是在中国这样的混合交通系统中，详尽的行人信息更能有效地辅助驾驶员及时对外界环境做出反应，大大减少伤亡的发生和事故的等级，有显著的社会和经济效益。(2)是实现低速自动驾驶的关键技术目前行人检测技术采用的传感器主要有视觉传感器(立体视觉、单目视觉)、红外成像传感器、微波雷达、激光雷达等，这些传感器可对周边环境进行非接触探测，以获取车辆周围的行人等障碍物以及它们的距离、速度等信息【81。它处于车辆辅助导航技术的底层，是各种后续高级处理，如目标分类、行为理解的基础。同时随着汽车保有量的不断增大，许多汽车生产商也加强了对行人检测技术的研究力度。11武汉理工大学硕士学位论文(3)拓宽相关领域的理论与方法体系从科研的角度来看，本课题也是一个多个研究学科结合的热点研究领域，它涉及到了计算机视觉、传感、机器学习、信息融合、等多个学科领域。另外，行人检测技术的应用领域，在近年来已经不拘泥在交通领域，还被拓展到了军事以及智能机器人等领域。因此对于行人检测课题的研究能够使相关的理论得到很好的实验验证，具有很高的科学意义。(4)缩小国内外在该领域的研究差距与国外发达国家相比，我国对车辆前方行人检测技术的研究起步较晚，关键技术的基础相对薄弓马，但随着市场的应用需求的不断增大，开展基于计算机视觉的车前行人检测研究将为我国汽车安全辅助驾驶技术的发展提供有力的理论和技术支持，为我国在该领域内赶超世界先进水平做出积极贡献。15本课题的研究内容及组织结构151课题的研究内容本论文开展的工作主要包括以下3个方面：(1)行人特征提取方法的研究通过研究分析各类行人特征描述方法的原理及特点，采用了一种融合特征，即积分通道特征。该特征富含行人的多方面的信息，而且不需要进行过多的参数设置，并且在检测过程中能更加精确地进行空间定位。(2)基于以快速地排除图片中的大量非目标背景区域，有效地提高检测率的同时降低了误报率。本文首先对其原理和训练步骤进行研究，并结合本文提出的特征提取方法，能有效的提高行人检测的速度。(3)针对城市道路交通环境设计特定的检测策略由于在城市道路交通环境下采集到的车辆前方视频数据信息有其独特的地方，因此普通静态图片中行人检测的搜索方法并不适用。本文首先分析了城市环境下成像的特点，设计了一套快速检测的方法，能够快速排出背景区域，有效检测重点区域。12武汉理工大学硕士学位论文152论文的组织结构论文各章内容安排如下：第次阐述了本课题的研究背景和意义，介绍了车辆前方行人检测技术的研究现状，分析了目前整个行人检测领域的发展，并交代了本文的研究内容和结构安排。第2章为行人的特征提取部分，对车辆前方行人进行检测最基础的工作就是找到一种能够有效描述行人特征的方法，本章将会介绍本文采用的积分通道特征的概念以及各通道的计算原理，对特征提取的步骤进行详细的解释。第3章为分类器相关的基础知识部分，行人检测中需要通过分类器对目标与非目标特征进行筛选，因此本章着重对又分析了级联分类器的算法框架和训练步骤，最后在证本文特征和分类器的有效性。第4章是本文核心部分，首先介绍了基于车辆前方的行人检测系统的整体框架模型，并分析了城市交通环境下成像的特点，最后指定了重点区域搜索的检测策略，并介绍了窗口融合算法以及本文策略的实验结果。第5章为总结与展望部分，指出本文的创新点与存在的不足，为将来的研究指明了方向。武汉理工大学硕士学位论文第2章行人检测系统评价标准一个行人检测系统性能的优劣需要进行评估，但是由于缺乏统一的测试数据和评价标准，因此很难界定