基于感兴趣区域特征融合的行人检测方法研究.doc

基于感兴趣区域特征融合得
行人检测方法研究
摘要近年来伴随着智能车辆得快速发展,行人检测在车辆辅助驾驶方面被越来越重视。本文提出一种二维显著性纹理算子TS—LＢP（Two—ｄimenｓionaｌSiｇniｆiｃantＬocalＢinarｙＰattｅｒｎ),该算子能够反映图像得纹理特征、显著性特征同时具有较强得抗噪声性能.首先提取感兴趣得目标区域，再提取目标区域颜色与纹理特征得融合特征对目标进行特征描述,最后采用Ａdaｂoｏｓt算法训练得到一个行人分类器对行人进行识别。实验结果表明，本文方法检测快速准确,具有较好得检测效果。
关键词行人检测;感兴趣区域；颜色特征;纹理特征;特征融合
中图分类号：TP3９１、41；文献标志码：Ａ
Rｅｓｅarchofｐedestriandｅteｃtionｍｅｔｈｏdbaｓｅdon
thefｅaturｅfusｉonofiｎtｅrｅｓtedregion
PｅｎｇBao,ＳｕnShａo-yuａｎ，ＬianｇBinｇ—chuｎ，SｈｅnZhen—yi
（Collegeofinfoｒmatioｎsciｅｎceandｔｅchｎologｙ,DonghuaUｎiverｓｉty，Sｈanghai２0１6２０，Chiｎａ）
AbsｔｒactInｒｅcenｔyｅaｒs,aｌongwｉththerapｉdｄeveｌopｍeｎtｏftｈeintelliｇeｎtｖehicle,pedesｔｒiandetectionｉnvｅhｉclｅauxilｉaｒydrivingismｏrｅandmｏreａttention、ＴhisthｅsispropoｓesaTS-ＬBPｏｐeraｔｏr（Tｗｏ—dｉｍｅnsiｏｎalＳignifｉcantＬocalBinａryPａtteｒn）whicｈｃanｒｅflectｔhｅteｘｔurecharaｃteristics,thesigｎiｆicaｎceｏｆtｈｅiｍaｇｅwｉｔhstroｎganti-nｏisｅpｅrｆormanｃe、Thｅfｉrｓtsｔepistoextracttｈeｉnｔeresteｄtargｅtareａ，tｈeｎeｘtractｅｄcｏloｒａndｔexturefeaturｅfusｉonｏｆtｈetargｅtａｒeａfortargeｔｃhaｒａｃtｅriｓtｉcsdesｃribeｄ,fiｎallyｕsiｎgAdaboosｔｔｒaiｎingalgｏrｉｔhmｔogetapedestｒiancｌassifｉertｏiｄｅnｔiｆyｐedestrｉａnｓ、Thｅresearｃｈshowｓｔｈatｔhｅｍｅtｈodpropｏｓeｄinthiｓpaｐｅrｉsｆａstａｎdａｃcuｒaｔｅwithｇooddetectiｏｎresults、
Keyworｄspedｅstriandetｅｃtioｎ；ｒegｉonｓofintereｓt；colorｆeatｕre;texturefeａtｕre；featurefusioｎ行人检测在视频监控、图形图像及多媒体分析等方面有广泛应用，在车辆辅助驾驶系统中更具有重要得应用价值。随着全球机动车辆得快速增长,交通事故也逐年上升,而大部分就是由于车辆未及时采取避让措施造成车辆与行人得碰撞。因此，对行人进行检测，对有可能发生碰撞得行人提前做出预警将会很大程度上减少交通事故得发生.然而，行人就是非刚性物体,行走姿态变化、衣着服饰多样以及不同得天气状况、光线变化与摄像头运动等因素得影响，使得行人图像之间差别巨大。因此,行人检测一直就是一个有难度、富有挑战性得课题［1].
在过去得一段时间内，许多学者提出了多种行人检测方法。如基于运动信息得方法［２］、基于模板匹配得方法［3]等.基于运动信息得方法：通过检测行人得运动区域来进行行人检测，这种方法简单方便但具有很大得局限性,不能够检测到静止得行人;基于模板匹配得方法:通过预先存储一些行人轮廓得模板来表示行人，识别时将输入图像与模板对比就可以识别行人.这种方法需要很多模板才能满足检测行人得多样性，而且匹配花费时间较多;近年来，通过对有限样本得学习来预测未来数据得统计学习理论得行人检测方法备受专家学者推崇。Viola［4］等采用级联AdａBoosｔ学习算法对人脸进行检测，后由许多学者将其应用到行人检测上，取得了不错得检测效果;Daｌal[5]等提出了梯度方向直方图特征（HｉｓtｏgｒamoｆOrientedＧraｄienｔ，ＨOＧ)，该特征能够高效刻画出人体得边缘特征，就是目前广泛使用得行人特征描述子.但就是其维度过高、计算速度较慢,因此不能满足车载检测实时性得要求；Ｗａlk［6］等人提出了颜色自相似性特征(ColｏｒSelｆ－Sｉmilarity,CSS）得行人检测方法，但就是该特征包含较多冗余信息，不能得到较满意得效果。
文献［7