基于CS-SD的车载环境下实时行人检测模型

被引：2

作者：

郭爱英 ^{[1
,2
]}

徐美华 ^{[1
]}

冉峰 ^{[3
]}

王琪 ^{[3
]}

机构：

[1] 上海大学机电工程与自动化学院

[2] 山西轻工职业技术学院机电工程系

[3] 上海大学微电子研究与开发中心

来源：

交通运输工程学报 | 2016年 / 16卷 / 06期

关键词：

行人检测; 方向梯度直方图; 行人区域; 特征提取; 车载环境;

D O I：

暂无

中图分类号：

TP391.41 [];

学科分类号：

080203 ;

摘要：

针对车辆辅助驾驶系统中行人检测的实时性问题,提出一种基于路面边缘线标定结合显著性纹理检测(CS-SD)的算法和定位方向梯度直方图(L-HOG)的行人检测模型,应用CS-SD算法替代穷尽搜索快速标定图像中的行人区域,应用L-HOG快速提取行人特征,并采用附加核心的支持向量机(AK-SVM)进行高效目标分类。分析结果表明:在个人计算机上对包含832个行人的500幅图像进行检测时,模型正确检测720个行人,检测率为86.5%,误检率为4.1%,检测时间为39ms;在基于BF609的车载行人检测系统上对包含988个行人的48 400幅图像进行检测时,模型正确检测861个行人,漏检127个行人,误检13个行人,检测速度为20fps。可见,提出的行人检测模型在不降低检测率的前提下,可以达到满意的检测速度,并且可以用于实时行人检测车载设备。

引用

页码：132 / 139

页数：8

共 24 条

[1]

Pedestrian detection based on hierarchical co-occurrence model for occlusion handling[J] . Xiaowei Zhang,Hai-Miao Hu,Fan Jiang,Bo Li. &nbspNeurocomputing . 2015

[2]

Deep learning strong parts for pedestrian detection. TIAN Yong-long,LUO Ping,WANG Xiao-gang,et al. 2015IEEE International Conference on Computer Vision . 2015

[3]

Filtered channel features for pedestrian detection. ZHANG Shan-shan,BENENSON R,SCHIELE B. 2015IEEE Conference on Computer Vision and Pattern Recognition . 2015

[4]

Pedestrian detection system for ADAS using Friendly ARM. DIXIT R S,GANDHE S T. 2015International Conference on Energy Systems and Applications . 2015

[5]

Lecture Notes in Computer Science[C]. The First International Conference on Web-Age Information Management,1600

[6]

Real-Time Human DetectionUsing Contour Cures. WU J,GEYER C,REHG J M. IEEE InternationalConference on Robotics and Automation (ICRA) . 2011

[7] Visual Object Detection with Deformable Part Models [J].