赵峰
（淮北矿业集团芦岭煤矿，安徽 宿州 234113）
摘要：为了预防矿井下电机车撞人事故的发生，提出了一种基于数字图像处理技术的轨道行人识别算法，首先对图像进行尺度变换，裁剪，中值滤波，维纳滤波，垂直边缘检测，二值化，密度模板匹配，阈值分割，连通域筛选和轨道拟合，识别出轨道，然后用行人和非行人样本对支持向量机的参数进行训练，最后运用支持向量机对轨道上的行人进行识别。运用该算法，对现场采集到的图片进行Matlab仿真实验，实验结果表明该算法能很好的识别出轨道上的行人，做到提前报警。
教育期刊网 http://www.jyqkw.com
关键词 ：电机车；数字图像处理；轨道检测；行人识别；报警
中图分类号：TD7文献标志码：A文章编号：1000-8772（2014）19-0202-01
1 引言
矿用电机车多年来一直作为矿井下的主要运输设备，由于矿井下情况复杂，机车运行频繁，可能会发生电机车撞人事故，因此急需要一种监测报警系统，对行人进行识别报警。
目前运用在车辆上的检测障碍物方法主要有：超声波检测、毫米波雷达检测、红外线检测、激光检测和摄像头检测等，在运动的电机车上，摄像头检测更具优势，摄像头检测即图像识别[1，2]。行人检测被广泛用于行人流量统计、智能车辆辅助驾驶、智能交通、防盗报警，行人报警等方面，具有广大的应用前景[3]。行人检测即从图像或视频中识别出行人，主要有两步：特征提取和分类定位，行人的特征包括HOG特征，纹理特征，SIFT特征等；行人检测的方法有：基于运动的方法、基于形状的方法、基于模板匹配的方法和基于统计分类的方法等[3，4]。
将现有的行人识别算法用于矿井下轨道上的行人识别，具有丰富的理论依据和广大的应用前景，可降低矿下机车撞人事故的发生。本文行人检测的思想是：先识别轨道，再识别轨道上的行人。
2 MATLAB仿真
设原图像的尺寸为：M×N M，Ｎ都为偶数，则下采样后图像的尺寸为：M/2×N/2。在下采样后图像中裁剪的区域为x坐标：x1→x2，y坐标：y1→y2。中值滤波的尺寸为3×3，维纳滤波的尺寸为5×5，垂直边缘检测算子为：
。 密度匹配模板尺寸为3×3。垂直边缘检测出的图像和密度图像的二值化阈值都采用Otsu方法求得。检测窗口的大小为，块的大小为64×128，块的重叠率为，一个块内的单元数为4，单元的大小为8×8，在[-π/2，π/2]将梯度方向均匀的划分成9个区间[5-9]。图1中白色矩形区域为经支持向量机识别出的行人。
3、结论
一种基于数字图像处理技术的轨道行人识别算法能识别出轨道和行人，做到提前报警，本文仅从算法上实现，还需结合硬件，才能将该算法用到实处，在现实环境中，该算法的性能也有待检验。该行人识别算法可进一步推广，用到现实中各种场合的行人识别。
教育期刊网 http://www.jyqkw.com
参考文献：
[1] 王荣本，赵一兵，李琳辉等.智能车辆的障碍物检测研究方法综述[J].公路交通科技，2007，11：109-113+124.
[2] 贾慧星，章毓晋.车辆辅助驾驶系统中基于计算机视觉的行人检测研究综述[J].自动化学报，2007，01：84-90.
[3] 王兴宝.复杂场景下多姿态行人检测与识别方法研究[D].苏州大学，2012.
[4] 苏松志，李绍滋，陈淑媛，蔡国榕，吴云东.行人检测技术综述[J].电子学报，2012，04：814-820.
[5] 范昕炜.支持向量机算法的研究及其应用[D].浙江大学，2003.
[6] 方莉，张萍.经典图像去噪算法研究综述[J].工业控制计算机，2010，11：73-74
[7] 陈刚.基于多特征的行人检测方法研究[D].吉林大学，2012.
[8] 吕敬钦.视频行人检测及跟踪的关键技术研究[D].上海交通大学，2013.
[9] 朱文佳.基于机器学习的行人检测关键技术研究[D].上海交通大学，2008.
（责任编辑：赵蕾）