基于自适应HCS-LBP特征的行人检测算法

针对行人检测中提取中心对称局部二值模式(Cen ter-Symmetric Local Binary Pattern,CS-LBP)时邻域中心像素没有参与计 算、人为设定的判断阈值主观性较强、未能区别对待不同子块等问题,提出一种基于自适应 HCS-LBP(Haar-like CS-LBP)特征 的行人检测算法。该算法首先构造了HCS-LBP特征编码方法,采用局部中心对称模式减少编 码长度,利用积分图像法快速计 算降低时间复杂度,并将灰度级概率引入中心像素的全局自适应阈值计算,采用高斯矩阵获 取邻域像素的局部自适应阈值,以 突显图像客观的纹理信息;然后使中心像素参与图像编码,通过信息熵确定不同子块的权重 ,以增强图像特征的描述能力;最 后使用直方图交叉核支持向量机(Histogram Intersection Kernel SVM,HIKSVM)训练样本 ,以提升分类器的准确度。在INRIA数 据库的实验结果表明,该算法能有效提高图像信息的利用率,提升行人检测算法的性能,行 人检测准确率较其他相关文献提高了0.4%~7.8%,具有较好的行人检测效果和检测精度。     

模板自适应的积分通道特征行人检测算法

本文对视频中的行人检测问题进行了研究。针对传统的积分通道特征算法在误测背景目标和丢失目标两方面存在缺陷,本文以积分通道特征的行人检测算法为核心,对原检测算法进行了优化并提出模板自适应的积分通道特征算法。通过使用预处理优化和自适应模板,该优化算法能够有效地检测到丢失的目标并且抑制了背景干扰,提高了检测的准确性。最后的实验数据表明该优化算法整体性能有所提高,尤其在提高检测丢失目标的准确率和降低误测背景目标的检测率上都相较于传统的积分通道特征算法有较大的提高。      

零速修正技术在车载惯性导航中的应用研究

针对车载惯性导航系统由于无外部信息长时间运动导致的误差积累的问题,提出一种运用动态零速修正技术来提高导航精度的方法。利用零速修正技术的约束条件,构造观测量;用基于普条件数可观测理论对系统各状态进行了可观测性分析,确定卡尔曼滤波器的滤波效果,并进行仿真实验对姿态角误差、速度误差进行了估计。实验表明,在惯性导航系统中,零速修正技术很大程度上提高了导航的位置、速度、姿态信息,有效地确保了车载导航的导航精度。     

基于统计滤波的自适应双阈值改进canny算子边缘检测算法

通过介绍传统Canny算子边缘检测算法的基本原理,针对传统算法中存在的缺陷和问题,提出一种基于统计滤波的自适应双阈值的边缘检测算法;它通过统计滤波去除噪声有效的提高了算法的运算效率同时进一步抑制噪声对边缘检测的影响,以及基于简单统计的阈值选择算法,不再是人工选取阈值而是根据图像自身的特点自动选取合适的阈值,两者结合有效的提高了边缘检测算法的准确度和运算效率;这为图像分割技术的发展奠定了坚实的基础。     

基于提升小波的自适应阈值边缘检测新算法

针对传统的单一边缘检测算法抗噪能力差、边缘不连续等缺点,本文提出采用两种算法相结合的方式来进行边缘检测。首先,对原始图像进行多层小波分解;对分解后的图像低频部分用提出的改进提升算法进行边缘检测,对高频部分用小波变换的局部模极大值算法检测边缘;通过将各层边缘信息按一定的融合规则融合起来得到一个组合边缘,最后细化图像边缘。实验证明,这种方法相对于传统小波分析有着计算量小,计算速度快和要求存储空间小等诸多优势,同时,也能做到不丢失图像信息,保证了边缘的连续性和封闭性,检测效果较好。     

基于自适应Lab色差阈值的ViBe运动目标检测算法

针对视觉背景提取算法(ViBe)对光照变化和运动 阴影敏感、提取的运动区域容易产生空洞的问题,本文提出了基于自 适应Lab色差阈值的ViBe运动目标检测算法。根据图像的局部背景亮度与色彩的空间频率对 人眼视觉的影响,自适应的确定 每个像素点的色差阈值,用于像素点与背景模型的匹配;然后,利用邻域像素点的空间一致 性原则,对检测结果进行修正; 最后,统计各连通域的面积,去除小面积的运动目标。实验结果表明,本算法可以有效的适 应光照变化、抑制运动阴影、填 补运动区域的空洞,具有比ViBe算法更好的检测效果。     

基于自适应滑动窗的模糊场景行人快速检测

智能场景监控是公共安全领域研究的热点.然而当前公共场所监控视频大都比较模糊,如何能够在模糊场景下快速检测行人目标是一个亟待解决的问题.通过引入一个自适应尺寸的行人检测窗,以特定策略滑动扫描前景二值图像,并根据一系列行人轮廓判别条件获取行人目标,实现了对模糊监控场景的实时行人检测与人数统计.实验结果表明,与传统算法相比,该算法可以有效快速地检测出指定区域内的行人目标.     

基于多尺度边缘响应函数的自适应阈值边缘检测算法

该文提出了一种基于多尺度边缘响应函数的自适应阈值边缘检测算法。首先分析二进小波变换,根据边缘和噪声随尺度变化的不同特性,设计了多尺度边缘响应函数(MERF)。通过MERF中的乘积放大作用,增大了边缘响应的幅度,同时也抑制了噪声产生的伪边缘。然后利用小波变换多尺度之间的联合分布关系,计算自适应阈值,检测MERF的梯度模值形成多尺度边缘。该算法直接在小波特征上进行多尺度合成,避免了多个边缘图合成过程的病态问题。实验表明,与LOG,Canny以及Mallat多尺度小波检测方法相比,该算法在检测和定位之间能够达到更好的平衡,既能够实现小尺度下的精确定位,也可以保留大尺度下对噪声的抑制作用。     

基于弯曲传感器辅助的行人室内定位零速修正方法

针对现有微机电系统中惯性传感器漂移大、传统行人室内定位方法稳定性较差,从而导致行人室内定位精度低的问题,提出一种基于弯曲传感器辅助惯性传感器的行人零速修正方法。该方法通过将弯曲传感器固定在胯关节以及膝关节处,将惯性测量单元捷联在行人的鞋尖,用于分别测量行人行走时胯关节和膝关节的弯曲度变化以及脚步的运动特征。对关节弯曲度以及加速度、角速度设置相应的阈值,用于判别行人的零速区间,通过零速修正抑制误差的累积。实验结果表明,在不同步态下该方法可以有效降低定位误差,在跑动下较传统零速修正方法的定位平均误差降低了67.4%,得到较高的定位精度。     

基于SSD算法的行人检测技术研究

行人检测技术的应用十分普遍,包括人工智能的研究、智能监控的应用、智能交通、无人驾驶汽车中对行人的检测、对人体行为进行分析后做出预判等,应用深度学习的方法对行人进行检测就是人工智能发展的一个十分重要的方向。文章主要研究的内容有3部分,对原SSD算法进行了改进,探讨了神经网络的根本组成与特性,将原SSD算法的基础VGG16改为ResNet50,提高了检测速度和精确度。     

基于惯性传感器的动态步长算法研究

行人步态参数的精确估计是行人自主导航系统和行人健康监测的关键技术之一。针对当前行人自主导航系统中步长估算算法精度低和弱适应性的问题,提出了一种计算行人动态步长算法。首先对行人的步态特征进行分解,利用改进的零速检测确定行人运动状态,采用卡尔曼滤波技术降低惯性传感器中累积误差的影响,再对进行滤波和坐标转换后的加速度进行双重积分,最终得到行人脚尖的运动轨迹。通过采用MTI-700惯性模块设计实验并进行实验验证。结果表明,该文提出的步长算法计算的步长与行人实际步长的误差低于3.0%。与现有的行人动态步长算法相比,该算法首次计算出行人脚尖的运动轨迹,精度较高且适应强,在行人自主导航及行人健康监测领域具有较大的应用价值。     

室内外行人导航系统研究

采用微机电系统(MEMS)惯性传感器、MEMS磁传感器及小型全球定位系统(GPS)接收机为室内外行人导航数据源,基于Cortex-M4为内核,搭建了室内外行人导航系统硬件平台。重点研究了多传感器导航系统的结构、多源信息融合方法、多条件零速检测方法及零速修正等理论方法。并通过试验,采集实测数据进行分析、验证行人导航系统设计的性能。结果表明,在GPS信号良好情况下,定位误差在2.5m以内;无GPS信号期间,路线长度为110m时,定位误差在总路经的5%内。     

激光陀螺捷联惯性导航系统零速修正研究

针对激光陀螺捷联惯性导航系统不依赖外部信息修正,长时间工作累积放大的问题,分析常用的零速修正算法二次曲线拟合法、最小二乘法、卡尔曼滤波法等,结合车载激光陀螺捷联惯性导航系统实际应用,提出一种自适应零速修正方法,利用零速修正技术的约束条件,构建15个基本误差参数,根据系统自身误差特性,设计出系统的状态量测矩阵和量测方程,并采用基于普条件数可观测理论对系统各状态进行了可观测性分析,确定卡尔曼滤波器参数,从而实现对位置坐标、姿态角、速度误差进行了有效估计,可以有效提高惯性测量单元（IMU）导航精度。实验表明,采用该方法能有效提高了捷联惯性导航系统导航精度,既克服了频繁停车,又增强了载体的机动性能。     

高精度惯导速度信息辅助的导引头量测误差抑制方法

 针对利用惯导信息抑制末制导导引头量测随机误差的问题,提出了一种高精度惯导速度信息辅助的扩展卡尔曼滤波方法.利用高精度惯导速度信息描述导弹自身运动,采用一阶马尔科夫过程描述目标机动,构建基于弹目信息状态变量系统的弹目相对运动模型,通过扩展卡尔曼滤波方法实现对导引头测量随机误差的抑制.新方法实现了惯导信息、导引头量测信息的融合,克服了已有滤波方法运动模型建模时需考虑导弹制导控制因素的难点.仿真实验结果验证了该方法在导弹末制导过程中的有效性.     

基于YOLO算法的行人检测方法

针对复杂道路交通环境,选择YOLO(You Only Look Once)实时目标检测算法,对行人目标进行检测识别的研究。YOLO算法在目标检测的速度和精度上都取得过良好效果。首先在YOLO网络模型的基础上针对行人单类检测问题,修改分类器,并通过卷积操作改变网络最后的输出维度;其次通过对道路交通场景下采集到的样本图片进行标注,得到行人数据集;然后采用相同预训练模型在YOLOv2和YOLOv3上训练,通过优化网络参数,加速模型收敛。实验结果分析可知,基于改进的YOLOv3的行人目标检测方法更能满足实时性的要求。     

高精度惯导速度信息辅助的弹目相对运动模型构建方法

 针对当前运动变量描述方法构建弹目相对运动模型中弹道真实加速度建模困难的问题,本文提出了一种高精度惯导速度信息辅助的弹目相对运动模型构建方法.利用高精度惯导速度信息描述导弹自身运动,采用一阶马尔科夫过程描述目标机动,根据角速度与线速度的物理关系,通过速度矢量分解的方法构建基于弹目信息状态变量系统的弹目相对运动模型.并在此基础上提出了高精度惯导速度信息辅助的扩展卡尔曼滤波方法(Inertial Navigation System Velocity Information Aided Extended Kalman Filter,IVIA-EKF),通过该方法可以充分利用惯导信息,抑制导弹量测误差,提高导弹打击精度,仿真实验表明了该方法的合理有效性.     

一种基于噪声估计的能量检测自适应门限新算法

频谱感知是认知无线电研究的关键技术之一,能量检测法是典型的频谱感知方法,但传统能量检测法的性能很容易受噪声功率变化影响。本文提出一种基于噪声方差估计的能量检测自适应门限算法。该算法基于噪声统计模型实时估计噪声方差,自适应地设置判决门限,达到更充分利用频谱资源的目的。仿真结果证明,该算法能准确估计噪声方差,有效地提高频谱检测性能。     

基于单目视觉的行人检测研究

行人检测系统是目前先进驾驶辅助系统中直接面向行人的保护系统,可最大程度地减少行人所受到的伤害。纹理对称度特征是目前最直观且能够用于表征行人的特征。文中在采用基于纹理对称度特征方法提取感兴趣区域的基础上,提出了一种线检测的方法,可以有效地减少检测过程中阴影、树叶等小纹理对检测结果的影响。最后利用梯度方向直方图特征和支持向量机方法对感兴趣区域进行验证。试验结果表明,该方法在保证检测速度的前提下,可减少检测过程中的虚警和漏警情况。