摘要：我国私家车保有量的日益增加，住宅区与商场配套的地下车库设施也随之增建，人流辘集地段“停车难”的问题很大程度上得以缓解。然而，地下停车场的部分直角转弯处是驾驶员的视觉盲区，该区域内发生交通事故的风险较高，司机无法对横向突然出现的行人做出反应。随着计算机视觉与机器学习理论的逐渐发展，人体识别与检测的研究已经成为了研究的热点。为了给潜在的地下车库转角盲区的交通事故提供预警依据，本文利用行人识别技术设计了基于视觉传感器的地下车库转角盲区行人防撞系统。

本系统采用混合高斯模型（GMM）背景建模与行人识别（HOG+SVM）相结合的方法提高检测精度与稳定性。首先，系统通过摄像头采取视频，经过处理成图像帧后，运用混合高斯模型对地下车库转角盲区进行运动目标检测，进而实现运动物体的分割、提取运动的目标区域的功能；同时，对全景进行行人识别。然后，设计置信度融合函数，将两种结果进行有效的融合。实验证明，本文所采用的GMM和HOG+SVM相结合的方法能够有效提高行人识别的准确度，减少误检率。

系统硬件部分由计算机、摄像头和车辆预警器组成。软件程序在Python语言环境下实现。系统通过摄像头监控路况，在转角盲区进行行人识别后，利用车辆预警器提示驾驶员此转角盲区是否有行人走动。对可能发生的事故进行预警。

关键词：行人识别；混合高斯模型；支持向量机；置信度融合

目  录

摘  要

ABSTRACT

第一章 绪  论-1

1.1课题的背景和意义-1

1.1.1 研究背景-1

1.1.2 研究意义-1

1.2国内外的研究现状-2

1.3论文的研究内容及结构-3

1.3.1 研究内容-3

1.3.2 本文结构-4

第二章 基于背景建模的混合高斯模型行人识别方法-5

2.1混合高斯模型的原理与研究现状-5

2.2基于背景建模的混合高斯模型行人识别-7

2.3识别结果分析-9

2.3.1 实验数据-9

2.3.2 识别结果-10

2.4本章总结-13

第三章 基于HOG+SVM的行人识别方法-14

3.1方向梯度直方图原理与研究现状-14

3.2支持向量机的原理与研究现状-17

3.3基于HOG+SVM的行人识别方法-19

3.4识别结果分析-19

3.4.1 实验数据-19

3.4.2 识别结果-19

3.5本章总结-22

第四章 地下车库转角盲区行人防撞预警系统-24

4.1硬件系统的构成-24

4.2软件系统的设计-25

4.2.1 算法流程设计-25

4.2.2 系统开发环境与开发语言-26

4.2.3 软件界面功能介绍-27

4.3系统运行结果及性能评价-28

4.4本章小结-31

第五章 总结与展望-33

5.1本文总结-33

5.2工作展望-33

参考文献-35

致  谢-38