一种基于运动趋势估计的行人检测算法

来源:用户上传      作者: 葛田 周鸣争

　　摘要：近年来，车辆的主动安全研究已经引起广泛的关注。针对汽车主动安全中行人检测的需求，基于彩色差值模型算法，通过Gauss算法分割图像和kalman滤波预测目标在下一时间可能出现的活动区域，提出了一种基于运动趋势估计的行人检测算法。经仿真表明，该汽车动态目标检测算法可实现行人运动趋势的估算，具有较好的实时性、可靠性。
　　关键词：行人检测；图像差分；图像分割；kalman滤波
　　中图分类号：TP301 文献标识码：A 文章编号：1009-3044（2013）03-0571-04
　　我国的交通状况复杂多变，日趋严重的汽车占道情况使行人的行走路线存在更多的不确定性，而行人由于缺少保护设施会更加容易受到伤害。因此，研究人员不断完善车载辅助驾驶系统，让其能够尽快的检测出进入汽车危险区域的行人，并及时警告驾驶者，减少交通事故的发生。
　　近几年来，人们对汽车安全性能的要求不断提高，汽车主动安全的研究范围变得广泛和深入，而计算机软硬件设备的持续发展，使得大量原本难以解决的基于图像检测的理论能够被系统的研究与实现。90年代初研发的汽车电子稳定系统（ESP）能在几毫秒内识别汽车的异常情况，并使其重新回到正常的状态[1]。Volkswagen、DaimlerChrysler等技术公司研发出一种能够自动检测和躲避行人的汽车，它采用雷达传感器识别行人，通过红外线摄像机将捕捉到的信息传递给车载电脑以启动自动规避措施。我国对汽车主动安全的研究起步较晚，目前主要的研究范围是监控设备静止状态下的检测，同时也在积极的向动态检测研究方向发展。
　　计算机图像检测运用在汽车主动安全系统中的技术主要包括了目标检测、图像增强、图像切割、特征匹配等。本论文在传统的汽车主动安全中“行人检测”的部分提出一种的改进系统，首先根据彩色差值模型计算当前帧图像和当前逼近背景图像的差分图像，判定在汽车危险区域内是否存在行人；检测完成后引入Gauss模型实现对目标的阈值分割，最后使用Kalman滤波跟踪模型实现对行人行走趋势的计算，如判定行人向汽车危险区域行走则及时发出警告提醒驾驶者[2]。
　　1 运动目标检测
　　在处理计算机图形图像中的视频部分时，运动目标检测是最重要的组成部分，其核心问题涉及目标检测；目标跟踪；目标行动预测等。目前的运动目标检测方法复杂多样，应用较为广泛的方法第一种是帧间差分法[3]，帧差法是利用从监测设备导入的序列图像中相邻的两帧或多帧图像相同位置的灰度值进行差分计算来检测目标的方法；第二种是背景差分法[3]，适合当监测设备固定或背景模型改动较小的情况。它基于输入的序列图像和检测背景模型差分来实现运动目标的捕捉；第三种是光流法[3]，目前主要的算法有Nagel 算法、Horn Schunck算法等等。
转载注明来源:https://www.xzbu.com/8/view-4069213.htm