收藏本站
《中国科学技术大学》 2011年
收藏 | 手机打开
二维码
手机客户端打开本文

面向变化场景的行人分类检测方法研究

汪中  
【摘要】:行人检测系统(Pedestrian Detection Systems:PDS)是通过安装在汽车上的传感器,综合使用各种智能算法来识别汽车前进方向一定范围内的行人,并在危险时及时报警,以达到提高驾驶安全、保障行人生命财产的目的。随着汽车智能化的发展,行人检测系统作为智能汽车的一个核心支撑技术,受到产业界的高度关注。同时,行人检测系统涉及到传感器、机器学习、自动化、信息融合和计算智能等研究领域,也是智能监控等多学科交叉的一个研究热点,因此具有重要的理论研究意义和很高的实际应用价值。 行人检测系统是一个动态的检测平台,与一般的静态检测系统相比,车辆行驶环境场景的多样性和时变性、检测平台和检测对象的动态性双重作用,使得行人检测技术研究面临一系列的技术难点。变化场景下的行人检测已成为目前研究界公认的一个挑战性问题;有必要设计出高效的检测器,可以在适应场景不断变化情况下实现针对行人目标的高效检测。 目前,变化场景下的行人检测技术主要包括图像处理和机器学习两大类。第一类技术侧重利用图像处理技术对传感器获取的行人图像进行处理,并进一步检测为行人。由于行人检测系统面临的背景复杂,基于图像处理的行人检测方法难以满足行人检测实时性的要求。机器学习中的分类方法是目前采用较多的一种行人检测技术,在固定场景下的行人检测中取得了成功应用。但是,行人检测的场景是动态变化的,检测场景的多样性和动态性使得传统的分类检测方法经常不能适应变化场景的行人检测要求。 本文重点研究变化场景下的行人分类检测方法。场景的变化给在旧场景下训练好的分类器带来了一系列新的问题:(1)由于新旧场景的样本集分布特性不同,基于旧场景样本集训练得到的分类器因为不能很好地适应场景的变化而在新场景下分类检测的性能不佳;(2)虽然新旧场景样本集之间存在一定的相关性,但由于在旧场景下训练的分类器无法完全反应新场景的本征特征,导致该分类器在新场景下分类检测的性能下降。这些难点问题使得变化场景下的行人分类检测成为公认的挑战性技术难题。 本文认为,变化场景之间上述共性和差异性可以在特征选择和分类器设计两个层面来处理;为此,本文分别从特征提取和分类器设计两个侧面,研究变化场景下的行人分类检测方法,为行人分类检测系统的研制提供技术支撑。论文完成的主要工作与创新之处如下: 1)针对在旧场景下训练的分类器无法适应场景变化的问题,提出一种变化场景下的分类模型优化方法。 在旧场景下训练的分类器在新场景下的分类检测性能不佳。若每次都在新场景下重新训练分类器,新场景的训练样本在短时间内难以获得,且训练时间过长导致难以满足实时检测的应用要求。本文充分利用原有分类器的结构,通过调整分类模型的决策变量使其适应新场景的行人检测。首先在旧场景下训练一个级联分类器,同时保留其级联分类器的结构,然后将其转换为一个阈值向量的决策优化问题,再利用少量具有代表性的新场景样本来动态优化调整原来已经训练好的级联分类器的关键参数,使之适应新场景的检测要求。另外,为了进一步提高在新场景下的行人分类检测的速度,提出一种通用的三分检测框架。实验结果验证了所提分类模型优化方法具有良好的检测性能和较快的检测速度。 2)结合新旧场景样本集的特征空间相同的特点,提出了一种变化场景下的特征迁移模型。 新旧场景的样本集一般属于同一特征空间,两者的特征特性之间必存在一定的共性,若能善加利用应该可以减少新场景下的特征提取难度。本文提出了一种变化场景下的特征迁移模型,将旧场景的高层特征迁移到新场景用于行人检测。该特征迁移模型首先利用近似稀疏编码算法获取旧场景下行人样本集的高层表示,然后将其作为新场景行人样本的特征提取的输入,来提取新场景行人样本的近似稀疏特征,即将旧场景行人样本的特征迁移到新场景用于行人检测。实验结果表明采用所提特征迁移模型的行人分类检测方法在变化场景下可以取得较优的检测性能。 3)结合新旧场景样本集之间存在部分相似样本的特点,提出了一种变化场景下的分类迁移模型。 新旧场景样本集必然存在一部分相似样本。由于新场景的样本数量较少不足以训练一个可靠的分类模型,因此需要充分利用旧场景中部分相似的行人样本。综合考虑特征和分类器设计,本文提出了一种变化场景下的行人分类迁移模型。该模型主要包括两个部分:基于流形学习的样本筛选方法和基于迁移学习的分类器设计。首先将新旧场景的行人样本在流形学习的框架下进行可视化表述,筛选出旧场景中与新场景中行人样本分布相似度较高的部分样本,然后对新旧场景的样本进行合并,将旧场景中的部分相似度较高的样本与新场景数据扩展成新的训练集,最后利用新的训练集和大量辅助样本集重新训练一个新的分类模型。另外,分类器设计采用迁移学习的思想,通过专门设计调整权重策略来更新样本的权重。实验结果验证了采用所提分类迁移模型的行人分类检测方法的有效性。
【学位授予单位】:中国科学技术大学
【学位级别】:博士
【学位授予年份】:2011
【分类号】:TP391.41

免费申请
【参考文献】
中国期刊全文数据库 前3条
1 许言午;曹先彬;乔红;;行人检测系统研究新进展及关键技术展望[J];电子学报;2008年05期
2 郭烈,王荣本,顾柏园,余天洪;世界智能车辆行人检测技术综述[J];公路交通科技;2005年11期
3 贾慧星;章毓晋;;车辆辅助驾驶系统中基于计算机视觉的行人检测研究综述[J];自动化学报;2007年01期
中国博士学位论文全文数据库 前2条
1 田广;基于视觉的行人检测和跟踪技术的研究[D];上海交通大学;2007年
2 许言午;面向行人检测的组合分类计算模型与应用研究[D];中国科学技术大学;2009年
中国硕士学位论文全文数据库 前2条
1 朱文佳;基于机器学习的行人检测关键技术研究[D];上海交通大学;2008年
2 樊龙夫;智能交通行人检测系统的分类技术研究[D];中国科学技术大学;2010年
【共引文献】
中国期刊全文数据库 前10条
1 韩强;;基于广义Hough变换的手写文档整词定位[J];安徽电子信息职业技术学院学报;2011年05期
2 程刚;郑小华;阳锋;徐祖舰;;三维全景视觉技术在农业机器人中的应用[J];安徽农业科学;2010年34期
3 何海燕;施培蓓;;基于改进AdaBoost算法的行人检测方法[J];安庆师范学院学报(自然科学版);2009年03期
4 曾好平;图像灰度熵特征与SVM分类结合的人脸检测[J];鞍山科技大学学报;2004年06期
5 吴慧兰;刘国栋;刘炳国;胡涛;浦昭邦;;ICF实验靶定位技术研究[J];半导体光电;2008年05期
6 陈京;袁保宗;刘渭滨;;多视点标定图像的交替迭代度量重建方法[J];北京交通大学学报;2012年02期
7 周峰;刘辉;李超峰;;SIFT算法在图像配准中的应用[J];办公自动化;2009年22期
8 刘彬;叶丽娜;;一种基于SIFT特征的序列图像拼接算法[J];兵工自动化;2009年06期
9 刘焕敏;王华;段慧芬;;一种改进的SIFT双向匹配算法[J];兵工自动化;2009年06期
10 彭勃;周文晖;刘济林;;基于Harris角点检测的立体视觉里程计[J];兵工学报;2007年12期
中国重要会议论文全文数据库 前10条
1 刘善磊;张亮;;基于相位相关和SURF算法的关键帧实时匹配研究[A];江苏省测绘学会2011年学术年会论文集[C];2011年
2 隋树林;孙立宏;姚文龙;袁健;;融合改进UKF/SIFT信息的自主光学导航方法[A];第二十六届中国控制会议论文集[C];2007年
3 汪力;叶桦;夏良正;;利用特征点定位嘴巴[A];第二十六届中国控制会议论文集[C];2007年
4 ;Loop-closing By Using SIFT Features for Mobile Robots[A];第二十六届中国控制会议论文集[C];2007年
5 周凯;范瑞霞;李位星;;一种基于SIFT的MeanShift-粒子滤波融合跟踪算法[A];第二十九届中国控制会议论文集[C];2010年
6 ;Rapid Target Recognition and Tracking under Large Scale Variation Using Semi-Naive Bayesian[A];第二十九届中国控制会议论文集[C];2010年
7 ;A High-level Image Sequence Fusion Algorithm for Human Detection[A];第二十九届中国控制会议论文集[C];2010年
8 邹丽晖;陈杰;张娟;窦丽华;;一种基于时空域流形的视频序列图像拼接算法[A];第二十九届中国控制会议论文集[C];2010年
9 ;Machine Vision Based Flotation Froth Mobility Analysis[A];第二十九届中国控制会议论文集[C];2010年
10 孙明竹;赵新;程小燕;孙程;卢桂章;;面向复杂作业的微操作机器人关键技术研究[A];第二十九届中国控制会议论文集[C];2010年
中国博士学位论文全文数据库 前10条
1 王玉全;基于全景视觉的移动机器人同时定位与地图创建方法研究[D];哈尔滨工程大学;2010年
2 梁洪;基于内容的医学图像检索及语义建模关键技术研究[D];哈尔滨工程大学;2010年
3 任桢;图像分类任务的关键技术研究[D];哈尔滨工程大学;2010年
4 沈郑燕;声纳图像去噪与分割技术研究[D];哈尔滨工程大学;2010年
5 孔凡芝;引线键合视觉检测关键技术研究[D];哈尔滨工程大学;2009年
6 王作为;具有认知能力的智能机器人行为学习方法研究[D];哈尔滨工程大学;2010年
7 肖洁;视觉注意模型及其在目标感知中的应用研究[D];华中科技大学;2010年
8 朱清波;序列图像三维重建方法研究[D];华中科技大学;2010年
9 田文;多视图图像的快速三维场景重建[D];华中科技大学;2010年
10 涂虬;智能视觉监视中目标检测与跟踪算法研究[D];华中科技大学;2010年
中国硕士学位论文全文数据库 前10条
1 宋抗;压缩机活塞圆度误差数字检测系统研究[D];河南理工大学;2010年
2 陈忠翔;基于立体视觉的三维重建方法研究[D];南昌航空大学;2010年
3 雒燕飞;地质灾害应急地理信息数据库设计及其应用[D];山东科技大学;2010年
4 唐红梅;基于辐射与空间信息的遥感图像检索[D];山东科技大学;2010年
5 倪希亮;基于尺度不变特征的多源遥感影像配准[D];山东科技大学;2010年
6 贾伟洁;SAR影像与光学影像配准研究[D];山东科技大学;2010年
7 任天宇;自稳定航拍系统算法与设计[D];长春理工大学;2010年
8 李跃;三维运动估计在织物动态仿真中的应用[D];浙江理工大学;2010年
9 娄铮铮;sIB算法在图像无监督分类中的应用研究[D];郑州大学;2010年
10 王博;全景视觉智能移动机器人固有环境定位[D];哈尔滨工程大学;2010年
【二级参考文献】
中国期刊全文数据库 前5条
1 许言午;曹先彬;乔红;;行人检测系统研究新进展及关键技术展望[J];电子学报;2008年05期
2 郭烈,王荣本,顾柏园,余天洪;世界智能车辆行人检测技术综述[J];公路交通科技;2005年11期
3 张琦;吴斌;王柏;;非平衡数据训练方法概述[J];计算机科学;2005年10期
4 朱谊强;张洪才;程咏梅;杨涛;赵春晖;;基于Adaboost算法的实时行人检测系统[J];计算机测量与控制;2006年11期
5 贾慧星;章毓晋;;车辆辅助驾驶系统中基于计算机视觉的行人检测研究综述[J];自动化学报;2007年01期
中国博士学位论文全文数据库 前2条
1 田广;基于视觉的行人检测和跟踪技术的研究[D];上海交通大学;2007年
2 许言午;面向行人检测的组合分类计算模型与应用研究[D];中国科学技术大学;2009年
中国硕士学位论文全文数据库 前1条
1 朱文佳;基于机器学习的行人检测关键技术研究[D];上海交通大学;2008年
【相似文献】
中国期刊全文数据库 前10条
1 魏冬生;李林青;;Adaboost人脸检测方法的改进[J];计算机应用;2006年03期
2 郭烈;王荣本;张明恒;金立生;;基于Adaboost算法的行人检测方法[J];计算机工程;2008年03期
3 谭晓衡;张建慧;;基于改进Adaboost人脸检测算法的研究及DSP实现[J];河南师范大学学报(自然科学版);2010年05期
4 程丽芳;赵明昌;张向文;;基于Gentleboost算法的人物检测[J];计算机工程与应用;2008年23期
5 王栋;孙济洲;李福超;;基于半监督支持向量机的并行远同源检测方法[J];计算机应用研究;2009年12期
6 叶丽燕;赵建民;朱信忠;徐慧英;;基于Adaboost的轿车尾部检测方法[J];计算机仿真;2011年01期
7 朱红斌;;基于Adaboost算法的交通事件检测[J];计算机时代;2008年01期
8 朱红斌;;LVQ神经网络在交通事件检测中的应用[J];计算机工程与应用;2008年34期
9 姜荣;鲁凤莲;;基于计算机视觉的人脸检测系统的研究[J];科学技术与工程;2007年16期
10 吴思远;张召;邹洋;;基于2D Gabor小波和HSV空间的木材缺陷检测[J];郑州大学学报(理学版);2010年01期
中国重要会议论文全文数据库 前10条
1 穆明生;;基于特征集的多种分类器模型的在线笔迹认证[A];第十届全国信号处理学术年会(CCSP-2001)论文集[C];2001年
2 朱思俞;石锋;;不定人连续汉语音的四声识别[A];第二届全国人机语音通讯学术会议论文集[C];1992年
3 邵小健;段华;贺国平;;一种改进的最少核分类器[A];中国运筹学会第七届学术交流会论文集(上卷)[C];2004年
4 徐蔚然;于武贵;郭军;;基于统计方法的混排文字切分与分类[A];第八届全国汉字识别学术会议论文集[C];2002年
5 雷蕾;吴乃君;刘鹏;刘兰娟;;灵敏度分析:分类器中的缺失数据[A];第11届海峡两岸信息管理发展策略研讨会论文集[C];2005年
6 陈颖颖;张雁军;贾鑫;;通信信号调制识别方法[A];第一届中国高校通信类院系学术研讨会论文集[C];2007年
7 李刚;郭崇慧;林鸿飞;杨志豪;唐焕文;;基于词典法和机器学习法相结合的蛋白质名识别[A];大连理工大学生物医学工程学术论文集(第2卷)[C];2005年
8 肖惠玲;曾翎;黄海莹;张琳;王昱清;杨勤;陈华富;;支持向量机探测脑功能活动[A];中国生物医学工程进展——2007中国生物医学工程联合学术年会论文集(下册)[C];2007年
9 沈钱波;何加铭;;连笔手写识别搜索算法研究[A];浙江省电子学会2008年学术年会论文集[C];2008年
10 叶强;李一军;;基于支持度-显著度的关联规则分类方法研究[A];管理科学与系统科学研究新进展——第8届全国青年管理科学与系统科学学术会议论文集[C];2005年
中国重要报纸全文数据库 前10条
1 黄明;精子分类器决定生男生女[N];广东科技报;2000年
2 张秀萍;WADA寻求EPO简易检测方法[N];中国体育报;2001年
3 国家外来运动疫病诊断中心 李林 刘雨田 李金明 陈义平 王志亮;规避疯牛病巨大风险的技术支撑[N];中国畜牧兽医报;2006年
4 中国农业科学院 吕小文 李军国 秦玉昌;守护公共安全,技术手段须“精制配伍”[N];中国畜牧兽医报;2006年
5 关键 记者  彭溢;一项技术年创汇11万美元[N];黑龙江日报;2007年
6 记者 张忠霞;美研究人员用新方法检测术后肺癌复发[N];人民日报;2006年
7 质量;食品三聚氰胺检测标准即将出台[N];消费日报;2008年
8 闻泽;原料乳与乳制品中三聚氰胺 检测方法国家标准出台[N];中国电子报;2008年
9 史玉成;我国电梯节能有了技术支撑[N];中国质量报;2008年
10 高丽萍;花生油掺假检测方法概述[N];中国食品质量报;2009年
中国博士学位论文全文数据库 前10条
1 汪中;面向变化场景的行人分类检测方法研究[D];中国科学技术大学;2011年
2 王喆;面向模式表示与模式源的分类器设计方法研究[D];南京航空航天大学;2008年
3 谢元澄;分类器集成研究[D];南京理工大学;2009年
4 严志永;在划分数据空间的视角下基于决策边界的分类器研究[D];浙江大学;2011年
5 宁博;面向行人检测的动态视觉词提取与集成分类方法研究[D];中国科学技术大学;2012年
6 杨显飞;数据流集成分类器算法研究[D];哈尔滨工程大学;2011年
7 冯爱民;结构驱动的单类分类器设计及拓展研究[D];南京航空航天大学;2011年
8 薛晖;分类器设计中的正则化技术研究[D];南京航空航天大学;2008年
9 王彦;基于PDE的模式识别方法[D];吉林大学;2006年
10 王飞;入侵检测分类器设计及其融合技术研究[D];南京理工大学;2011年
中国硕士学位论文全文数据库 前10条
1 武婷婷;分类器性能评价研究[D];北京交通大学;2010年
2 王亚松;关于组合分类器修剪方法的研究[D];郑州大学;2011年
3 潘世瑞;基于分类器集成技术的数据流分类研究[D];西北农林科技大学;2011年
4 樊龙夫;智能交通行人检测系统的分类技术研究[D];中国科学技术大学;2010年
5 石国强;基于规则的组合分类器的研究[D];郑州大学;2010年
6 于柏森;发动机机械故障诊断系统分类器设计[D];长春工业大学;2010年
7 王秀霞;分类器的选择性集成及其差异性研究[D];兰州理工大学;2011年
8 邱立;支持向量机和神经网络在手写数字识别算法中的应用研究[D];华南理工大学;2010年
9 吴暾华;快速人脸检测系统的设计与实现[D];华侨大学;2004年
10 史亚;雷达辐射源个体识别中的分类器设计与子空间学习[D];西安电子科技大学;2011年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62791813
  • 010-62985026