基于双目视觉的车前行人检测方法研究

当前的汽车安全辅助驾驶和无人驾驶汽车是图像领域的研究热点,针对汽车在启动或行驶时车前存在行人可能导致的安全问题,着重研究了基于双目视觉的车前行人检测方法。进行了双目相机的相机标定和立体标定;通过改进后半全局立体匹配算法获取深度图,确定车前行人所处位置的感兴趣区域(Region of Interest,ROI),剔除冗余的背景信息;分割并提取了图像的降维梯度直方图(Histogram of Gradients,HOG)特征信息;将特征输入到支持向量机(Support Vector Machine,SVM)分类器训练,检测并标记出车前的行人目标。实验证明,所提算法对车前场景下的动态行人可以更为有效地检测,具备更优的检率精度、时效性和鲁棒性。

基于双目视觉的部分遮挡行人检测算法

针对行人被障碍物部分遮挡导致的检测准确率降低问题,提出了基于多特征融合的树形路径半全局立体匹配的部分遮挡行人检测算法。使用简单线性迭代聚类(simple linear iterative clustering,SLIC)算法进行超像素分割,提升行人的轮廓信息,并使用多特征融合的树形路径半全局立体匹配算法生成深度图;对行人信息和背景信息及障碍物信息使用自适应分割算法进行分离,获取感兴趣区域;将感兴趣区域放置在行人特征明显且稳定的头肩部,进行感兴趣区域的约束;使用降维梯度直方图特征(histogram of gradient,HOG)进行特征提取并生成样本集,训练支持向量机(support vector machines,SVM)分类器,最终实现部分遮挡的行人检测。实验表明,所提算法与其他行人检测算法相比,在行人部分遮挡场景下,有着更高的行人检测准确率,证明所提算法的有效性。

多维信息感知地标匹配的PDR定位算法

针对行人航位推算(Pedestrian Dead Reckoning,PDR)室内定位系统的累计误差问题,提出了一种多维信息感知地标匹配的PDR定位算法(PDR positioning algorithm based Multi-imensional Information Perception Landmark Matching,MIPLM)。算法利用行人在室内走廊环境下的众包轨迹,并基于突出性路口结构,从位置、航向、影响范围以及WiFi特征指纹等方面构建多维信息感知地标库。给出的自适应地标检测算法,结合航向约束轨迹相似度匹配模型,更新行人位置和航向,避免了本地化匹配过程对空间位置的强依赖性。实验结果表明,相比于其他地标构建及匹配算法,所提算法更好地反映了行人活动与室内空间结构的相关性,且在未知起始位置时,算法能够快速收敛并提供较高的定位精度,对于室内行人连续定位具有较高的应用价值。

Map Aided Pedestrian Dead Reckoning Using Buildings Information for Indoor Navigation Applications

Navigation systems play an important role in many vital disciplines. Determining the location of a user relative to its physical environment is an important part of many indoor-based navigation services such as user navigation, enhanced 911 (E911), law enforcement, location-based and marketing services. Indoor navigation applications require a reliable, trustful and continuous navigation solution that overcomes the challenge of Global Navigation Satellite System (GNSS) signal unavailability. To compensate for this issue, other navigation systems such as Inertial Navigation System (INS) are introduced, however, over time there is a significant amount of drift especially in common with low-cost commercial sensors. In this paper, a map aided navigation solution is developed. This research develops an aiding system that utilizes geospatial data to assist the navigation solution by providing virtual boundaries for the navigation trajectories and limits its possibilities only when it is logical to locate the user on a map. The algorithm develops a Pedestrian Dead Reckoning (PDR) based on smart-phone accelerometer and magnetometer sensors to provide the navigation solution. Geospatial model for two indoor environments with a developed map matching algorithm was used to match and project navigation position estimates on the geospatial map. The developed algorithms were field tested in indoor environments and yielded accurate matching results as well as a significant enhancement to positional accuracy. The achieved results demonstrate that the contribution of the developed map aided system enhances the reliability, usability, and accuracy of navigation trajectories in indoor environments.

基于双MIMU速度+角速率匹配的行人自主导航方法

针对基于零速修正(ZUPT)的行人导航系统航向误差随时间发散导致定位精度差的问题,提出了一种基于自适应零速检测与双MIMU速度+角速率匹配的行人自主导航方法。在一套自主系统中同时包含两种三轴MIMU,一套大量程MIMU用于保证原始惯性数据的完整性,一套高精度MIMU用于提供角速率基准。当高精度MIMU数据未超量程时,若基于SVM的自适应零速检测算法判断系统为零速状态,采用速度+角速率匹配方案;若系统为非零速状态,则采用角速率匹配方案,通过卡尔曼滤波器对各项误差进行估计和修正,提高系统的航向和定位精度。试验结果表明,相较于仅采用速度匹配,采用所提方法,航向精度达到了3.44°/30 min,提升了50%以上;定位精度达到了4.92 m/30 min,提升了40%以上。

基于视觉辅助优化的惯性可通行地图构建与行人定位方法

针对以惯性传感器为核心的室内行人导航系统存在长时间高精准定位问题,在基于历史信息约束的行人惯性定位方法基础上,提出了一种基于视觉辅助优化的惯性可通行地图构建与行人定位方法。以惯性传感器为核心,引入低频视觉信息优化行人轨迹,在滤波框架下加入优化线程。在粒子滤波的基础上,提取图像的VLAD特征作为地标特征,结合位置信息与地标信息进行地标特征匹配,根据匹配结果采用光束平差法基于拓扑结构优化行人轨迹,最终通过粒子重采样实现位置误差修正。在总长度1450 m的楼宇行走实验中,与基于历史信息约束的行人惯性定位方法相比,所提方法的平均定位误差为1.50 m,定位精度提升约40%。

融合人体全身表观特征的行人头部跟踪模型

现有的行人多目标跟踪模型在密集场景下存在行人无法检出以及帧间关联混淆的问题。为了提高密集场景下行人跟踪的精确率,提出一种融合全身表观特征的行人头部跟踪模型HT-FF(Head Tracking with Full-body Features)。首先,使用行人头部检测器替代全身检测器,提高密集场景下行人的检出率;其次,利用人体姿态估计的信息为引导,获得去噪声的全身表观特征作为跟踪线索,大幅减少多帧之间关联时发生的混淆。HT-FF模型在密集场景下行人跟踪的基准数据集Head Tracking 21(HT21)上的MOTA(Multiple Object Tracking Accuracy)和IDF1(ID F1 Score)等多个指标上取得了最优的结果。HT-FF模型能有效缓解密集场景下行人跟踪丢失和混淆的问题,所提出的融合多线索的跟踪模型是行人跟踪任务的新范式。

基于磁场指纹辅助的手机室内定位系统

针对当前室内无线定位信号强度易受干扰、设备部署维护成本高等缺点,以及手机在室内航位推算过程中定位误差随时间累积的问题,本文提出了基于粒子滤波磁场匹配的室内定位方法。相比于传统的航位推算方法,通过改进步态判断方式,并提出了动态步长估计算法和卡尔曼滤波航向估计算法,有效减少步态误判和定位误差。同时通过结合航位推算位置选择粒子滤波算法中的重采样区域,加快粒子收敛速度。最后,通过仿真分析和实际室内环境测试结果表明,本文提出的定位方法能够有效地减小定位误差,并实现2米的定位精度。

基于地磁指纹和PDR融合的手机室内定位系统

针对地磁场在室内定位中存在模糊解及行人航位推算(PDR)存在累积误差的问题,提出了PDR和地磁融合的室内定位方法。利用了PDR短期精度高的优点,以PDR定位结果为中心缩小地磁匹配区域,采用粒子滤波算法解决地磁指纹的模糊解问题,达到实时修正PDR累积误差的目的。与传统PDR相比,采用了自相关法探测行人不同步态下的步频,提高了步频探测的准确率。通过对实际室内环境进行实验仿真,本文提出的室内定位方法能够有效减少定位误差,实现了2 m的定位精度。

视频图像中基于特征匹配的人流量统计

人流量统计信息在交通控制、公共场所、商业分析等领域具有重要意义。针对传统方法的不足,提出了一种基于特征匹配的人流量统计方法。该方法的第一阶段是采集少量有代表性的样本,每个样本由特征向量和对应的人数组成,并根据人数进行分类。第二阶段进行人流量统计,即提取一个运动视频段的特征向量,然后把该特征向量与样本库的每类样本进行马氏距离特征匹配,得到最佳的人数估计。实验表明,该算法具有较高的检测率,而且能够满足实时性的要求。

一种基于地图匹配辅助行人航位推算的室内定位方法

针对行人航位推算算法中误差积累问题,提出并实现了地图匹配方法,辅助惯性测量装置进行自主定位。根据室内几何布局特征划分矢量域,修正方向传感器数据来确定航向角,同时通过投影匹配模型判定界点的最优坐标,最终进行最佳室内位置估计。经实验证明:在保持惯性传感器短时间内自主性强、定位精度高等优点的同时,该方法能够很好地抑制误差积累,提高定位算法的精度与稳定性。

一种基于视频的道路行人检测方法

提出了一种基于交通视频的道路行人检测方法。首先,采用具有自适应背景更新的背景差法提取运动目标。其次,利用行人的轮廓特征和行人在图像上的像素高度与实际距离的线性变化关系特征进一步分割行人目标,并依据行人位置特征对其做多帧匹配跟踪。最后,结合行人速度特征,实现行人目标检测。实验结果表明,该方法能准确地检测交通场景中出现的行人目标,有效地解决运动车辆的遮挡和光照等对行人目标检测的影响,具有良好的实时性和稳健性。

基于局部特征级联分类器和模板匹配的行人检测

在智能视频监控领域,行人检测正受到广泛关注。为了提高检测率,将基于局部特征的Adaboost级联分类器和模板匹配相结合。首先通过分析和比较提出了一种行人局部特征的选取方法,然后对人体局部进行建模,将模板匹配的思想融入行人检测。最后通过实验证明,该方法在行人检测上可以取得较好的效果。

基于粒子滤波的多信息融合室内定位算法研究

针对现有室内定位技术精度低、实现复杂度高等问题,提出一种基于粒子滤波的多信息融合室内定位算法。在传统的行人航迹推算(PDR)以及地磁匹配等室内定位算法的基础上,通过粒子滤波动态地纠正行人步长和方向角,从而有效地减小了定位误差。通过PDR算法获得行人的步频、步长、方向等信息,由地磁匹配算法得到行人所在位置对应的地磁值,最后利用粒子滤波对以上信息进行融合处理从而得到粒子的权重,由粒子权重对步长和方向角不断地修正。实验结果表明,该算法可以实时动态地补偿PDR的定位误差,能够获得较高的定位精度。

基于人体典型部位特征组合的行人检测方法

为实现汽车主动安全对行人的保护,提出一种组合人体典型部位特征的行人检测方法。利用查表型的Gentle Adaboost算法来训练经加权Fisher线性判别算法优化的梯度方向直方图特征,形成一个强分类器对行人腿部区域进行检测;行人初步定位后,根据其头部轮廓变动较小的特点,运用模板匹配的方法对其进行检测;最后根据腿部与头部检测结果,综合采用部位约束、特征转化和分类器阈值调整的方法对检测结果进行融合。结果表明,该方法能有效排除大部分虚警,提高检测行人的准确性。

基于粒子滤波和地图匹配的融合室内定位

为提高室内定位的精确性与合理性,该文提出使用粒子滤波融合Wi Fi指纹定位和行人航位推算,应用室内地图对定位结果进行匹配与矫正。地图匹配中,首先通过室内地图约束粒子的不恰当转移来解决粒子的穿墙问题,然后采用基于回退的穿墙矫正算法对行走轨迹中的穿墙现象进行矫正。仿真实验中,经过粒子滤波融合后估计的行走轨迹更加接近真实轨迹,优于Wi Fi指纹算法和行人航位推算算法估计的轨迹,而经过地图匹配与矫正后,定位精度和合理性得到进一步提高。

基于头部特征的行人计数系统

针对室内摄像头垂直布控的场景,建立了一种基于人体头部特征的行人计数系统.系统采用轮廓、颜色信息建立用于目标检测的人头模型,综合模板匹配、状态预测等方法跟踪目标,记录运动轨迹,通过对目标运动轨迹的分析实现行人计数.实验结果表明:系统可对进入或者离开场景的行人数目进行双向统计,满足实时性要求,平均正确率达95%以上.

双行人可变形部件模型及其在行人检测中的应用

针对传统行人检测算法在检测靠得很近或相互遮挡的多行人目标时容易出现漏检的问题,分析了可变形部件模型,提出了基于双行人可变形部件模型的行人检测算法.该算法包含模型训练、模型匹配及融合过程,可以获取双行人可变形部件模型.提出了一种对图像进行分区域匹配加融合的新方法.设计了2组试验,对单行人可变形部件模型和双行人可变形部件模型的检测效果进行了对比.结果表明:提出的算法相比其他算法对检测靠得很近和相互遮挡的多行人目标时容易出现的漏检情况有较大的改善,有效降低了漏检率.

基于分层特征融合的行人分类

针对复杂环境中的行人检测问题,提出了一种有效的基于分层稀疏编码的图像表示方法。首先通过两层稀疏编码模型结合基于K-SVD的深度学习算法来获得图像的稀疏表示,对图像块及同一区域的高阶依赖关系进行了建模,形成一个有效的无监督特征学习方法;然后将得到的稀疏表示与SIFT描述符的稀疏表示进行特征融合,得到了更加全面、更加可判别的图像表示;最后结合SVM分类器应用于行人分类任务。实验结果表明,该行人分类方法对比同类方法在性能上有明显改善。

基于景观结构系统的人流分布预测与匹配度分析研究

景观的空间结构组织与游人行为活动的开展以及空间使用效率密切相关。1)针对园路系统与节点系统2个结构要素,基于空间句法、ArcGIS核密度分析以及UNA 3种算法,分别从园路整合度、节点密度、时空选择度3个层面对游客时空分布特征进行预测;2)通过统计预测数据和离散度计算,对3个维度的数据进行匹配度分析,探讨景观结构设计与游人时空分布之间是否具有良好的相关性;3)结合实践方案,将测算结果对应到方案设计图中,标识出匹配度较低的区域。形成从空间结构预测人流分布情况,到匹配度分析,再将分析结果反馈设计的研究思路和方法,为具有针对性的方案调整与优化设计提供参照。