摘要本文详细分析了PCANet模型,给出了一种基于PCANet模型的道路场景目标识别方法。该方法利用PCANet模型进行提取特征,使用SVM进行场景图像分类。针对该方法中存在的虚警和漏检问题,设计了一种基于道路位置先验的虚警去除方法,并利用道路区域的一致性降低漏检率。通过实验统计分析,对方法中的关键参数进行了优化选取。大量实验结果证明:PCANet模型可用于道路区域特征提取,基于PCANet模型的道路场景目标识别方法是有效的,且道路先验知识对识别效果有较好的提升作用。31365
关键词 道路场景识别 PCANet SVM 先验信息 毕业论文设计说明书外文摘要
Title Road Scene Target Recognition Based on PCANet Model
Abstract
This paper studied the PCANet model and presented a road scene target recognition method based on PCANet model.The method uses the PCANet model for feature extraction , and uses the SVM for scene image classification.In order to solve the problem that the recognition results contain false alarm and missing alarm,we devised a method based on road position priori information to remove false alarm,and used the the consistency of road area to reduce the missing rate.A large number of experimental results prove that the PCANet model can be used to extract road features,the road scene target recognition method based on PCANet model is effective,and the road priori information has greatly improved the recognition results.
Keywords Road Scene Recognition,PCANet,SVM,Priori information
目 次
1 绪论 1
1.1 课题背景与研究意义 1
1.2 国内外发展现状 1
1.3 本文的工作及贡献 2
1.4 本文的结构安排 3
2 基于PCANet模型的道路场景目标识别 4
2.1 PCANet模型 4
2.1.1 PCANet模型介绍 4
2.1.2 算法复杂度分析 7
2.2 支持向量机 8
2.2.1 支持向量机介绍 8
2.2.2 支持向量机使用 9
3 引入先验信息的基于PCANet模型的道路场景目标识别 11
3.1 先验信息的引入 11
3.2 选择道路形状模板去除虚警 13
3.2.1 虚警去除过程 13
3.2.2 模板库的构建 14
3.2.3 模板选择算法 16
3.3 道路连通性检测降低漏检率 18
4 实验及评价 20
4.1 实验环境 20
4.1.1 编译和运行环境 20
4.1.2 程序参数 20
4.1.3 实验数据 21
4.2 程序界面 23
4.3 实验结果及评价 25
4.3.1 PCANet模型的训练结果及评价 25
4.3.2 引入先验信息后模型的定量分析 25
4.3.3 引入先验信息后模型的定性分析 29
结论 34
致谢 35
参考文献 36
1 绪论
1.1 课题背景与研究意义
随着智能交通技术的发展,道路场景目标识别在多个领域都具有越来越重要的作用[1]。在军事中,道路场景目标识别技术有利于开辟战场通道;在地震灾害救援中,道路场景目标识别技术可以帮助判断道路的受损情况;在智能车系统中,道路场景目标识别技术能帮助智能车导航,相当于智能车的视觉系统。由此可见,对于道路场景目标识别方法的研究是很有意义的。