| 【中文题名】 | 基于Hausdorff距离模板匹配的行人检测算法研究与应用 |
| 【英文题名】 | Hausdorff Distance-based Template Matching for Pedestrian Detection |
| 【学科专业】 | 控制科学与工程 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2007-6-27 |
| 【中关键词】 | 静态目标检测,行人检测,特征提取,Hausdorff距离,模板匹配, |
| 【英关键词】 | Stationary Object Detection,Pedestrian Detection,Features Extraction,Hausdorff Distance,Template Matching, |
| 【分类导航】 | 工业技术>自动化技术、计算机技术>自动化技术及设备>自动化系统>数据处理、数据处理系统>集中检测与巡回检测系统 |
| 【论文摘要】 |
行人检测系统是智能交通系统领域中的研究热点,具有重要的现实意义和应用价值。本文介绍了一种使用近红外摄像机的车载实时夜间行人检测系统。近红外摄像机的应用,使得整个系统的检测功能主要依赖于计算机视觉与模式识别方法来实现。
在整个系统的算法框架中,静态目标检测是最基础、重要的功能模块。在实际情况当中,行人姿态与背景环境变化复杂多样,给静态检测造成了相当大的难度。系统借助过滤思想,采用多层级联分类器实现静态行人检测,而形状识别作为最精细而核心的一环,直接影响着整个系统的检测识别效果。
通过对目标分割算法提取候选区域的不可靠性分析,以及所得到图像中行人的特征,本文引入了基于边缘特征的形状识别,并提出将基于Hausdorff距离的模板匹配算法应用于静态目标检测模块中核心的形状识别分类器设计。
研究工作主要有三个创新点。
首先,根据实际粗分割的候选区域特点进行分析,提出基于两种不同特征提取方法的双层结构形状识别分类器,将阈值化提取形状特征的方法和边缘特征有效地融合在一起。在这个设计思路和框架基础上,进一步提出了新的自适应边缘提取算法和阈值化方法,使得形状特征的提取效果得到改进。最后... |
| 【论文题纲】 |
|
摘要 |
3-4 |
|
Abstract |
4-6 |
|
第1章 引言 |
6-12 |
|
1.1 课题意义 |
6-7 |
|
1.2 课题背景 |
7-8 |
|
1.3 夜间行人检测系统简介 |
8-11 |
|
1.4 论文构成 |
11-12 |
|
第2章 当前的静态目标检测方法 |
12-32 |
|
2.1 静态目标检测算法的相关研究 |
12-23 |
|
2.2 行人检测算法的相关研究 |
23-32 |
|
第3章 夜间行人检测系统静态目标检测算法框架 |
32-42 |
|
3.1 目标的分割 |
32-36 |
|
3.2 目标的识别——多层分类器级联的识别算法 |
36-37 |
|
3.3 精细识别分类——形状识别 |
37-42 |
|
第4章 HAUSDORFF 距离度量 |
42-46 |
|
4.1 HAUSDORFF距离基本原理 |
42-43 |
|
4.2 HAUSDORFF距离在图像模板匹配算法中的应用 |
43-46 |
|
第5章 基于HAUSDORFF 距离模板匹配的形状识别 |
46-64 |
|
5.1 行人形状特征的提取 |
46-54 |
|
5.2 形状识别分类器的设计 |
54-56 |
|
5.3 基于HAUSDORFF 距离度量的模板匹配算法 |
56-64 |
|
第6章 结论 |
64-68 |
|
6.1 工作总结 |
64-66 |
|
6.2 下一阶段工作 |
66-68 |
|
参考文献 |
68-70 |
|
致谢 |
70-71 |
|
个人简历、在学期间发表的学术论文与研究成果 |
71 |
|
| 【DOI】 | LunWen.ID:2.2008.383524 |
