摘 要

智能汽车是一个集环境感知、规划决策、多等级辅助等功能于一体的综合系统。它是一个集中运用了现代感知、计算机、信息融合、通讯、人工智能、自动控制的高新技术综合体。如今，很多发达国家将智能汽车列为重点发展的智能交通系统中，也是当今世界汽车工程研究领域的热门话题，是未来汽车发展的必然方向。由于基于机器视觉的车辆前方行人跟踪系统是智能汽车领域所需要解决的重要课题，且目前为止，还没有一个行人识别精度高、速率快的车辆前方行人跟踪系统，所以它成为了现阶段最活跃的研究课题之一。

本文所研究的车辆前方行人跟踪系统主要以车辆前方的机器视觉传感器获取环境信息，再通过一系列处理对前方行人进行跟踪研究。车辆前方行人跟踪系统主要分为三个模块：图片预处理、行人识别及行人跟踪，本文介绍了这三个模块的主要方法及其原理，并比较处理结果分析运用到实际情况中的可能性。在图像预处理上，针对背景复杂的行人样本图像选用边缘检测来处理，并对行人跟踪的算法进行改进与创新，以进一步提升行人检测跟踪的处理速率及精度。

试验结果表明sobel边缘检测与prewitt边缘检测处理后使图片更加突出行人特征；改进后的Meanshift跟踪算法对受到光线或背景影响的视频行人跟踪效果比较好。

论文的特色在于：(1）本文比较分析了各类图像预处理的方式方法，对不同光线强度的图片进行处理后并做对比分析，选择最优的图像预处理方法来对图片进行处理，提高下一步行人识别的处理速率及精度。（2)本文通过对传统的meanshift行人跟踪算法进行改进，运用颜色特征与纹理特征融合特征的meanshift算法对行人进行目标跟踪,并比较改进后的算法对受到光线或背景影响的行人跟踪效果。

关键词:智能汽车；机器视觉；特征提取；目标识别；跟踪算法

Abstract

Intelligent Connected Vehicle is a comprehensive environment perception, planning decision-making, multi-level auxiliary driving a comprehensive system. It is a centralized use of modern perception, computer, information fusion, communication, artificial intelligence, automatic control of high-tech complex. Intelligent Connected Vehicle has become a hot topic in the field of automotive engineering research in the world, and it is also a new impetus to the development of automobile industry. Many developed countries have classified them as intelligent development of key development. Since the pedestrian tracking system based on machine vision is an important topic to be solved in the field of Intelligent Connected Vehicle, and so far, there is not a pedestrian tracking system with high pedestrian recognition accuracy and fast speed, so it has become the most active at this stage One of the research topics.

In this paper, the machine vision sensor as the vehicle in front of the main information access to the main means, carried out in front of the vehicle pedestrian tracking system. Based on the existing methods, the principle, advantages and disadvantages of each method and the possibility of applying to the method are analyzed, and the traditional method is improved. The algorithm of pedestrian tracking is improved and innovated to further improve The processing rate and accuracy of pedestrian detection.

The result shows that sobel edge detection and prewitt edge detection process more prominent pedestrian characteristics; improved Meanshift tracking algorithm for the impact of light or background video pedestrian tracking effect is better.

The main innovations of the paper are as follows:1st，In this paper, we analyze the methods of preprocessing of various types of images, and then analyze and compare the images with different light intensity. We choose the optimal image preprocessing method to deal with the images and improve the processing rate of the next pedestrian identification. and Accuracy.2nd，In this paper, the traditional meanshift pedestrian tracking algorithm is improved, Using the meanshift algorithm of color feature and texture feature fusion to track the pedestrian, And compare the improved algorithm to the impact of pedestrian pictures affected by light or background.

Key words: Intelligent connected vehicle; machine vision;; feature extraction; target recognition; recognition algorithm

目 录

摘 要 I

Abstract II

第1章 绪论 1

1.1 引言 1

1.2 行人跟踪系统国内外研究现状 2

1.2.1 行人检测国内外研究现状 2

1.2.2 跟踪算法国内外研究现状 3

1.3 现阶段技术难点 4

1.4 本文的主要研究内容 7

1.5 本文章节内容安排 8

第2章 图像预处理 9

2.1 引言 9

2.2 图像去噪 9

2.2.1 小波变换的基本思想 9

2.2.2 小波变换的实验结果 10

2.3 图像灰度化 11

2.4 图像二值化 12

2.4.1 实验经验法 13

2.4.2 自适应阈值 13

2.5 边缘检测 15

2.6 本章小结 18

第3章 行人特征提取及识别 19

3.1 引言 19

3.2 纹理特征 19

3.3 试验结果与分析 20

3.3.1 纹理特征分析与提取 20

3.3.2 支持向量机分类器 23

3.3.3 行人识别试验 24

3.4 本章小结 24

第4章 行人跟踪算法 25

4.1 引言 25

4.2 非参数估计理论 25

4.3 传统的MeanShift跟踪算法 26

4.3.1 目标模型的描述 26

4.3.2 候选目标描述 27

4.3.3 相似度函数 27

4.3.4 寻找最优y 28

4.4 特征融合的行人跟踪 28

4.4.1 特征融合 29

4.4.2 目标建模 32

4.4.3 跟踪试验算法步骤 33

4.4.4 实验结果与分析 33

4.5 本章小结 37

第5章 结论 38

5.1 评述 38

5.2展望 38

参考文献 40

致 谢 42

第1章 绪论

1.1 引言

21世纪以来，随着经济发展与工业4.0时代的到来，汽车保有量逐步增加，给人们生活提供了极大的方便。但与之伴随的问题也逐渐引起了人们的关注，如交通拥堵、化石能源储存量逐渐减少、空气污染严重、土地资源紧缺等。一直以来，智能网联汽车被汽车专家学者视为当代汽车相关问题最可行的解决方案，所以其发展备受关注。美国电气和电子工程师学会（IEEE）预测，到2040年，无人驾驶车辆将占有汽车总数的四分之三。2015年第十三届中国汽车产业高峰论坛上,中国汽车工业协会常务副会长董扬首次发布了中汽协对中国智能网联汽车的定义、分级和技术架构。中国汽车工业协会对智能网联汽车定义为，搭载先进的车载传感器、控制器、执行器等装置，并融合现代通信与网络技术，实现车与X（人、车、路、后台等）智能信息交换共享，具备复杂的环境感知、智能决策、协同控制和执行等功能，可实现安全、舒适、节能、高效行驶，并最终可替代人来操作的新一代汽车^[1]。这就是我们联合国内专家得出的定义，这里我们称之为ICV。科技最终是为人类的生活服务的，所以智能网联汽车也即将成为生活的主导交通工具。它们可以通过灵敏的传感器、可靠的程序、高效率处理器及算法来实现车辆更加安全的驾驶，给人们带来更安全可靠舒适的乘坐体验，相信在以后的发展中会给人类的生活带来更大的便利。

行人跟踪系统是智能网联汽车中最为重要的技术之一，也因此成为了现阶段智能网联汽车领域最受关注的研究课题之一。本文所研究的车辆前方行人跟踪系统主要以车辆前方的机器视觉传感器获取环境信息，然后通过计算机对图像进行分析并捕捉行人目标特征，进而完成后续的行人检测跟踪任务。一方面由于在智能网联汽车的实际应用环境中，汽车运动速度较快，而事关车辆前方行人的生命安全，这就需要系统具有较好的实时性，这就对系统的识别算法及跟踪算法的处理速率要求较高；另一方面由于行人检测识别跟踪的结果会直接影响到智能网联汽车的判断及草错，一旦行人检测识别及跟踪出现误差，其后果会威胁车辆前方行人的生命安全，因此检测精度尽可能百分之百是系统必须满足的要求。实际情况中，因为由于车辆移动而造成摄像头的移动、行人图像复杂的背景、行人姿势与尺度的多种多样、行人与行人或行人与背景间的影响增加了行人识别的难度，所以行人识别跟踪的实时性到目前为止还不能满足其要求。在跟踪系统的实际情况中，由于行人的运动过程中可能会与其他物体形成遮挡，所以在跟踪过程中的精度还无法保证百分之百。然而，行人是非刚性物体，行人姿态多样化，衣着服饰差异性大及天气、光线情况复杂等多方面的因素会让每一张行人图像完全不同。所以行人跟踪系统在智能网联汽车领域是一个十分必要的研究课题。