论文总字数：27990字

摘 要

随着汽车工业的发展和车辆保有量的增加，交通安全的问题日益凸显。从近几年的高速公路交通事故统计数据来看，虽然夜间所发生的交通事故的次数占所有交通事故总次数的40%左右，但夜间交通事故导致的死亡人数却占总死亡人数的60%，车辆在夜间行驶的安全性已成为社会关注的热点问题之一。因此，利用车载红外夜视系统，在夜间对行人进行检测，弥补夜间由于可见光较弱的原因人眼很难捕捉到行人的不足，从而扩展驾驶员的视野，减少交通事故的发生具有重要的意义。研究基于车载红外夜视图像的行人识别技术的对于降低夜间交通事故发生的概率具有重要的应用价值。本文的主要研究工作包括以下几个方面：

（1）研究红外图像的采集与预处理。基于红外图像的特点进行红外图像的采集、分割、降噪，为后续的处理保证红外图像的质量。

（2）归纳并分析了常见的红外图像行人检测识别算法，重点研究和分析了基于特征提取与机器学习相结合的红外图像的行人检测算法，并基于HOG-SVM的方法进行实验和分析，通过实验实现了在简单背景环境下在夜间对行人进行检测，获得了较好的检测的效果。

（3）研究基于深度卷积神经网络算法的红外图像行人检测的方法，利用YOLOv3算法训练识别模型，进行夜间的行人检测，通过实验，实现了行人检测准确率达到85%以上，与基于HOG-SVM的方法相比，基于YOLOv3框架的检测方法能够更好的适应环境，对红外图像中远处微小的行人也能达到很好的检测效果，大大降低了误检率和漏检率。

关键词：红外图像、行人检测、机器学习、深度学习

Abstract

With the increasing of vehicle ownership, the problem of traffic safety become increasingly prominent. From the statistics of highway traffic accidents which happen in recent years,  the number of death caused by traffic accidents at night accounts for 60% of the total number of death although the number of traffic accidents at night accounts for about 40% of the total number of traffic accidents,which makes the safety of vehicle driving at night become one of the hottest spots of society. At the same time, with the development of intelligent driving technology, the auxiliary system of pedestrian detection through visible light in the daytime becomes more and more mature, but it is often unable to play a role at night. In summary, in order to expand the vision of drivers and reduce the occurrence of traffic accidents which happen at night ,it is important to find a way to detect pedestrians effectively to make up for the weakness of visible light.The main research work of this paper includes the following aspects:

(1)First of all, the paper studys the acquisition and preprocessing of infrared image.Process the image based on the characteristics of infrared image, infrared image acquisition, segmentation, noise reduction to ensure the quality of subsequent processing.

(2)Secondly, the paper summarizes and analyzes the traditional methods of pedestrian detection of infrared image, then pays attention to the pedestrian detection algorithm of infrared image which is based on feature extraction comnined with machine learning. The gradient direction histogram (HOG) and support vector machine (SVM) are combined to carry out pedestrian detection.

(3)At last, the paper studys the method of infrared image pedestrian detection based on the deep convolution neural network algorithm with the YOLOv3 algorithm to train the recognition model and conducts pedestrian detection experiments.

KEY WORDS: infrared image, pedestrian detection, machine learning, deep learning

目 录

摘 要 I

Abstract II

第一章 绪论 1

1.1 课题的意义与背景 1

1.2 国内外研究现状 1

1.2.1 国外研究现状 2

1.2.2 国内研究现状 3

1.3 本文的主要研究内容 4

1.4 本文的组织结构 4

第二章 红外成像相关知识概述 5

2.1 红外辐射 5

2.2 红外传感器成像原理 5

2.3 红外热成像图像的特点 6

2.4 红外图像的采集 7

2.5 红外图像的预处理 7

第三章 常见的红外图像行人检测方法 12

3.1 基于ROI分割结合模式识别的红外行人检测方法 12

3.2 基于模板匹配的红外行人检测方法 13

3.3 特征提取与机器学习相结合的行人检测方法 14

3.4 基于HOG SVM的红外图像行人检测算法 14

3.4.1 样本库的选择 15

3.4.2 HOG特征提取 15

3.4.3 SVM分类器 19

3.4.4 行人检测结果与分析 21

第四章 基于深度学习的红外图像行人检测算法 24

4.1 卷积神经网络概述 24

4.1.1 神经网络 24

4.1.2 卷积神经网络 24

4.2 实时目标检测框架YOLO 25

4.2.1 YOLO概述 25

4.2.2 YOLO与YOLOv2 26

4.2.3 YOLOv3的网络模型 27

4.2.4 网络模型的评价指标 28

4.3 基于YOLOv3的红外图像行人检测方法 29

4.3.1 实验环境 29

4.3.2 数据集 29

4.3.3 实验的结果 31

第五章 总结与展望 33

5.1 总结 33

5.2 对进一步研究的展望 33

致 谢 34

参考文献 35

绪论

课题的意义与背景

近年来，随着经济的发展，我国汽车的保有量迅速增加，交通安全问题日益凸显。在交通事故中，行人由于其自身的随意性和脆弱性，往往很容易成为受害者。特别是在夜间以及由于烟尘、雾霾导致的能见度较差的白天，驾驶员的视野较差，往往更容易发生后果严重的交通事故。基于红外夜视系统的行人检测技术作为夜间无人驾驶以及车辆辅助驾驶系统中的一个重要部分，通过检测道路上的行人，判断行人与车辆的相对位置，避免车辆与行人发生碰撞而造成人员伤亡。

目前为止，行人检测主要分为基于可见光相机和基于红外相机两种检测方式^[1]。普通的可见光相机适用于光线充足、天气状况较好的日间，其丰富的轮廓、色彩、纹理、阴影等信息可以保证行人识别的准确性。但在夜间或者有雨、雾、霾等能见度较差的日间，可见光相机往往无法发挥出其应有的作用。相比于可见光相机夜间识别率低，受环境光线影响较大，红外相机获取的图像具有背景简单，不需要考虑光线、阴影、颜色、纹理等因素对检测的影响，在夜间和恶劣的环境条件下具有可见光相机无法比拟的优势。

剩余内容已隐藏，请支付后下载全文，论文总字数：27990字