吉林大学学报(工学版) ›› 2013, Vol. 43 ›› Issue (05): 1230-1234.doi: 10.7964/jdxbgxb201305013

• 论文 • 上一篇    下一篇

雷达与视觉信息融合的行人检测方法

曲昭伟1, 魏福禄1,2, 魏巍1, 李志慧1, 胡宏宇1   

  1. 1. 吉林大学 交通学院, 长春 130022;
    2. 吉林建筑大学 交通科学与工程学院, 长春 130118
  • 收稿日期:2012-08-28 出版日期:2013-09-01 发布日期:2013-09-01
  • 通讯作者: 魏巍(1978- ),男,博士研究生.研究方向:交通视频检测.E-mail:weiwei@jlu.edu.cn E-mail:weiwei@jlu.edu.cn
  • 作者简介:曲昭伟(1962- ),男,教授,博士生导师.研究方向:交通控制,交通信息采集与处理.E-mail:quzw@jlu.edu.cn
  • 基金资助:

    国家自然科学基金项目(51108208, 51278520, 51278220);博士后科学基金项目(20110491307);吉林大学基本科研业务费项目(201103146).

Pedestrian detection by radar vision data fusion

QU Zhao-wei1, WEI Fu-lu1,2, WEI Wei1, LI Zhi-hui1, HU Hong-yu1   

  1. 1. College of Transportation, Jilin University, Changchun 130022, China;
    2. School of Science and Engineering on Communications, Jilin Jianzhu University, Changchun 130118, China
  • Received:2012-08-28 Online:2013-09-01 Published:2013-09-01

摘要:

首先建立两传感器间的坐标变换模型,将雷达扫描的深度信息映射到图像上。然后对雷达扫描的数据进行聚类分析,并结合行人物理属性,对聚类点簇进行筛选获得有效点簇信息;根据摄像机的成像规律,确定行人成像区域与其所处位置的关系,从而确定行人检测感兴趣区域。在此基础上,提取感兴趣区域的梯度方向直方图特征,运用支持向量机检测行人。实际交通场景测试结果表明本文方法能够对行人实时检测,且准确率可达93%以上。

关键词: 交通运输系统工程, 行人检测, 信息融合, 感兴趣区域

Abstract:

A pedestrian detection method by radar and vision information fusion is proposed. First,a coordinate transformation model of two sensors is established,by which depth information of radar scanning can be mapped to image.Then,radar scanning data are divided into a number of point clusters.Considering the physical attribute of pedestrian, the radar point clusters are selected again to obtain effective point cluster information.According to camera imaging rule, the relationship between pedestrian imaging region and his/her position is deduced.As a result, the Region of Interest (ROI) in pedestrian detection is determined.On this basis, the Histogram of Oriented Gradient (HOG) feature of the ROI is extracted,and the hypothesized pedestrian is verified using Support Vector Machine (SVM) classifier. Experiment results indicate that the proposed method is able to detect pedestrian in real time,and the accuracy rate can exceed 93%.

Key words: engineering of communications and transportation system, pedestrian detection, information fusion, region of interest

中图分类号: 

  • TP391

[1] Cao Xian-bin, Qiao Hong. A Low-cost pedestrian detection system with a single optical camera[J]. IEEE Transactions on Intelligent Transportation Systems, 2008, 9(1):58-67.

[2] 李娟,邵春福,杨励雅.基于混合高斯模型的行人检测方法[J]. 吉林大学学报:工学版,2011,41(1):41-45. Li Juan, Shao Chun-fu, Yang Li-ya. Pedestrian detection based on improved Gaussian mixture model[J]. Jurnal of Jilin University(Engineering and Technology Edition),2011,41(1):41-45.

[3] Luis E N, Christoph M, Martial H. Pedestrian detection and tracking using three-dimensional ladar data[J]. The International Journal of Robotics Research, 2010,29(12): 1516-1528.

[4] 钱慧佳,杨明,李颢,等. 一种基于激光雷达和视觉的行人检测方法[J].上海交通大学学报,2010,44(7):946-950. Qian Hui-jia, Yang Ming, Li Hao, et al. A pedestrian detection method based on laser scanner and camera[J]. Journal of Shanghai Jiaotong University,2010,44(7):946-950.

[5] Oliveira Luciano, Nunes Urbano, Peixoto Paulo, et al. Semantic fusion of laser and vision in pedestrian detection[J]. Pattern Recognition,2010,43: 3648-3659.

[6] 魏福禄,曲昭伟,江晟,等. 基于多源信息融合的行人检测实时性方法研究[J]. 交通信息与安全,2012(3):43-45. Wei Fu-lu, Qu Zhao-wei, Jiang Sheng, et al. Method of real-time pedestrian detection based on multi-source information fusion[J]. Journal of Transport Information and Safety, 2012(3):43-45.

[7] 胡峰,胡春生,王省书,等. 成像激光雷达与摄像机外部位置关系的标定[J]. 光学精密工程,2011,19(4):938-943. Hu Feng, Hu Chun-sheng, Wang Xing-shu, et al. Calibration of external relation between imaging larser radar and camera[J].Optics and Precision Engineering,2011,19(4):938-943.

[8] Dalal N. Finding people in images and video[D]. Rocquencourt:French National Institute for Reseach in Computer Science and Control, (INRIA), 2006.

[1] 陈永恒,刘芳宏,曹宁博. 信控交叉口行人与提前右转机动车冲突影响因素[J]. 吉林大学学报(工学版), 2018, 48(6): 1669-1676.
[2] 常山,宋瑞,何世伟,黎浩东,殷玮川. 共享单车故障车辆回收模型[J]. 吉林大学学报(工学版), 2018, 48(6): 1677-1684.
[3] 曲大义,杨晶茹,邴其春,王五林,周警春. 基于干线车流排队特性的相位差优化模型[J]. 吉林大学学报(工学版), 2018, 48(6): 1685-1693.
[4] 宗芳, 齐厚成, 唐明, 吕建宇, 于萍. 基于GPS数据的日出行模式-出行目的识别[J]. 吉林大学学报(工学版), 2018, 48(5): 1374-1379.
[5] 刘翔宇, 杨庆芳, 隗海林. 基于随机游走算法的交通诱导小区划分方法[J]. 吉林大学学报(工学版), 2018, 48(5): 1380-1386.
[6] 钟伟, 隽志才, 孙宝凤. 不完全网络的城乡公交一体化枢纽层级选址模型[J]. 吉林大学学报(工学版), 2018, 48(5): 1387-1397.
[7] 刘兆惠, 王超, 吕文红, 管欣. 基于非线性动力学分析的车辆运行状态参数数据特征辨识[J]. 吉林大学学报(工学版), 2018, 48(5): 1405-1410.
[8] 宗芳, 路峰瑞, 唐明, 吕建宇, 吴挺. 习惯和路况对小汽车出行路径选择的影响[J]. 吉林大学学报(工学版), 2018, 48(4): 1023-1028.
[9] 栾鑫, 邓卫, 程琳, 陈新元. 特大城市居民出行方式选择行为的混合Logit模型[J]. 吉林大学学报(工学版), 2018, 48(4): 1029-1036.
[10] 陈永恒, 刘鑫山, 熊帅, 汪昆维, 谌垚, 杨少辉. 冰雪条件下快速路汇流区可变限速控制[J]. 吉林大学学报(工学版), 2018, 48(3): 677-687.
[11] 王占中, 卢月, 刘晓峰, 赵利英. 基于改进和声搜索算法的越库车辆排序[J]. 吉林大学学报(工学版), 2018, 48(3): 688-693.
[12] 李志慧, 胡永利, 赵永华, 马佳磊, 李海涛, 钟涛, 杨少辉. 基于车载的运动行人区域估计方法[J]. 吉林大学学报(工学版), 2018, 48(3): 694-703.
[13] 陈松, 李显生, 任园园. 公交车钩形转弯交叉口自适应信号控制方法[J]. 吉林大学学报(工学版), 2018, 48(2): 423-429.
[14] 苏书杰, 何露. 步行交通规划交叉路口行人瞬时动态拥塞疏散模型[J]. 吉林大学学报(工学版), 2018, 48(2): 440-447.
[15] 孟品超, 李学源, 贾洪飞, 李延忠. 基于滑动平均法的轨道交通短时客流实时预测[J]. 吉林大学学报(工学版), 2018, 48(2): 448-453.
Viewed
Full text


Abstract

Cited

  Shared   
  Discussed   
No Suggested Reading articles found!