面向變化場(chǎng)景的行人分類(lèi)檢測(cè)方法研究.pdf

1、行人檢測(cè)系統(tǒng)(Pedestrian Detection Systems:PDS)是通過(guò)安裝在汽車(chē)上的傳感器,綜合使用各種智能算法來(lái)識(shí)別汽車(chē)前進(jìn)方向一定范圍內(nèi)的行人,并在危險(xiǎn)時(shí)及時(shí)報(bào)警,以達(dá)到提高駕駛安全、保障行人生命財(cái)產(chǎn)的目的。隨著汽車(chē)智能化的發(fā)展,行人檢測(cè)系統(tǒng)作為智能汽車(chē)的一個(gè)核心支撐技術(shù),受到產(chǎn)業(yè)界的高度關(guān)注。同時(shí),行人檢測(cè)系統(tǒng)涉及到傳感器、機(jī)器學(xué)習(xí)、自動(dòng)化、信息融合和計(jì)算智能等研究領(lǐng)域,也是智能監(jiān)控等多學(xué)科交叉的一個(gè)研究熱點(diǎn),因此

2、具有重要的理論研究意義和很高的實(shí)際應(yīng)用價(jià)值。
　　 行人檢測(cè)系統(tǒng)是一個(gè)動(dòng)態(tài)的檢測(cè)平臺(tái),與一般的靜態(tài)檢測(cè)系統(tǒng)相比,車(chē)輛行駛環(huán)境場(chǎng)景的多樣性和時(shí)變性、檢測(cè)平臺(tái)和檢測(cè)對(duì)象的動(dòng)態(tài)性雙重作用,使得行人檢測(cè)技術(shù)研究面臨一系列的技術(shù)難點(diǎn)。變化場(chǎng)景下的行人檢測(cè)已成為目前研究界公認(rèn)的一個(gè)挑戰(zhàn)性問(wèn)題;有必要設(shè)計(jì)出高效的檢測(cè)器,可以在適應(yīng)場(chǎng)景不斷變化情況下實(shí)現(xiàn)針對(duì)行人目標(biāo)的高效檢測(cè)。
　　 目前,變化場(chǎng)景下的行人檢測(cè)技術(shù)主要包括圖像處理和機(jī)器

3、學(xué)習(xí)兩大類(lèi)。第一類(lèi)技術(shù)側(cè)重利用圖像處理技術(shù)對(duì)傳感器獲取的行人圖像進(jìn)行處理,并進(jìn)一步檢測(cè)為行人。由于行人檢測(cè)系統(tǒng)面臨的背景復(fù)雜,基于圖像處理的行人檢測(cè)方法難以滿足行人檢測(cè)實(shí)時(shí)性的要求。機(jī)器學(xué)習(xí)中的分類(lèi)方法是目前采用較多的一種行人檢測(cè)技術(shù),在固定場(chǎng)景下的行人檢測(cè)中取得了成功應(yīng)用。但是,行人檢測(cè)的場(chǎng)景是動(dòng)態(tài)變化的,檢測(cè)場(chǎng)景的多樣性和動(dòng)態(tài)性使得傳統(tǒng)的分類(lèi)檢測(cè)方法經(jīng)常不能適應(yīng)變化場(chǎng)景的行人檢測(cè)要求。
　　 本文重點(diǎn)研究變化場(chǎng)景下的行人分類(lèi)

4、檢測(cè)方法。場(chǎng)景的變化給在舊場(chǎng)景下訓(xùn)練好的分類(lèi)器帶來(lái)了一系列新的問(wèn)題:(1)由于新舊場(chǎng)景的樣本集分布特性不同,基于舊場(chǎng)景樣本集訓(xùn)練得到的分類(lèi)器因?yàn)椴荒芎芎玫剡m應(yīng)場(chǎng)景的變化而在新場(chǎng)景下分類(lèi)檢測(cè)的性能不佳;(2)雖然新舊場(chǎng)景樣本集之間存在一定的相關(guān)性,但由于在舊場(chǎng)景下訓(xùn)練的分類(lèi)器無(wú)法完全反應(yīng)新場(chǎng)景的本征特征,導(dǎo)致該分類(lèi)器在新場(chǎng)景下分類(lèi)檢測(cè)的性能下降。這些難點(diǎn)問(wèn)題使得變化場(chǎng)景下的行人分類(lèi)檢測(cè)成為公認(rèn)的挑戰(zhàn)性技術(shù)難題。
　　 本文認(rèn)為,變

5、化場(chǎng)景之間上述共性和差異性可以在特征選擇和分類(lèi)器設(shè)計(jì)兩個(gè)層面來(lái)處理;為此,本文分別從特征提取和分類(lèi)器設(shè)計(jì)兩個(gè)側(cè)面,研究變化場(chǎng)景下的行人分類(lèi)檢測(cè)方法,為行人分類(lèi)檢測(cè)系統(tǒng)的研制提供技術(shù)支撐。論文完成的主要工作與創(chuàng)新之處如下:
　　 1)針對(duì)在舊場(chǎng)景下訓(xùn)練的分類(lèi)器無(wú)法適應(yīng)場(chǎng)景變化的問(wèn)題,提出一種變化場(chǎng)景下的分類(lèi)模型優(yōu)化方法。
　　 在舊場(chǎng)景下訓(xùn)練的分類(lèi)器在新場(chǎng)景下的分類(lèi)檢測(cè)性能不佳。若每次都在新場(chǎng)景下重新訓(xùn)練分類(lèi)器,新場(chǎng)景的訓(xùn)

6、練樣本在短時(shí)間內(nèi)難以獲得,且訓(xùn)練時(shí)間過(guò)長(zhǎng)導(dǎo)致難以滿足實(shí)時(shí)檢測(cè)的應(yīng)用要求。本文充分利用原有分類(lèi)器的結(jié)構(gòu),通過(guò)調(diào)整分類(lèi)模型的決策變量使其適應(yīng)新場(chǎng)景的行人檢測(cè)。首先在舊場(chǎng)景下訓(xùn)練一個(gè)級(jí)聯(lián)分類(lèi)器,同時(shí)保留其級(jí)聯(lián)分類(lèi)器的結(jié)構(gòu),然后將其轉(zhuǎn)換為一個(gè)閾值向量的決策優(yōu)化問(wèn)題,再利用少量具有代表性的新場(chǎng)景樣本米動(dòng)態(tài)優(yōu)化調(diào)整原來(lái)已經(jīng)訓(xùn)練好的級(jí)聯(lián)分類(lèi)器的關(guān)鍵參數(shù),使之適應(yīng)新場(chǎng)景的檢測(cè)要求。另外,為了進(jìn)一步提高在新場(chǎng)景下的行人分類(lèi)檢測(cè)的速度,提出一種通用的三分檢

7、測(cè)框架。實(shí)驗(yàn)結(jié)果驗(yàn)證了所提分類(lèi)模型優(yōu)化方法具有良好的檢測(cè)性能和較快的檢測(cè)速度。
　　 2)結(jié)合新舊場(chǎng)景樣本集的特征空間相同的特點(diǎn),提出了一種變化場(chǎng)景下的特征遷移模型。
　　 新舊場(chǎng)景的樣本集一般屬于同一特征空間,兩者的特征特性之間必存在一定的共性,若能善加利用應(yīng)該可以減少新場(chǎng)景下的特征提取難度。本文提出了一種變化場(chǎng)景下的特征遷移模型,將舊場(chǎng)景的高層特征遷移到新場(chǎng)景用于行人檢測(cè)。該特征遷移模型首先利用近似稀疏編碼算法獲取舊

8、場(chǎng)景下行人樣本集的高層表示,然后將其作為新場(chǎng)景行人樣本的特征提取的輸入,來(lái)提取新場(chǎng)景行人樣本的近似稀疏特征,即將舊場(chǎng)景行人樣本的特征遷移到新場(chǎng)景用于行人檢測(cè)。實(shí)驗(yàn)結(jié)果表明采用所提特征遷移模型的行人分類(lèi)檢測(cè)方法在變化場(chǎng)景下可以取得較優(yōu)的檢測(cè)性能。
　　 3)結(jié)合新舊場(chǎng)景樣本集之間存在部分相似樣本的特點(diǎn),提出了一種變化場(chǎng)景下的分類(lèi)遷移模型。
　　 新舊場(chǎng)景樣本集必然存在一部分相似樣本。由于新場(chǎng)景的樣本數(shù)量較少不足以訓(xùn)練一個(gè)可

9、靠的分類(lèi)模型,因此需要充分利用舊場(chǎng)景中部分相似的行人樣本。綜合考慮特征和分類(lèi)器設(shè)計(jì),本文提出了一種變化場(chǎng)景下的行人分類(lèi)遷移模型。該模型主要包括兩個(gè)部分:基于流形學(xué)習(xí)的樣本篩選方法和基于遷移學(xué)習(xí)的分類(lèi)器設(shè)計(jì)。首先將新舊場(chǎng)景的行人樣本在流形學(xué)習(xí)的框架下進(jìn)行可視化表述,篩選出舊場(chǎng)景中與新場(chǎng)景中行人樣本分布相似度較高的部分樣本,然后對(duì)新舊場(chǎng)景的樣本進(jìn)行合并,將舊場(chǎng)景中的部分相似度較高的樣本與新場(chǎng)景數(shù)據(jù)擴(kuò)展成新的訓(xùn)練集,最后利用新的訓(xùn)練集和大量輔