Обнаружение пешеходов с использованием MATLAB

MATLAB (матричная лаборатория) многопарадигмальный язык числовых вычислений. MATLAB — собственный язык программирования, разработанный и разработанный Math Works. Он позволяет использовать матрицу, отображать задачи и информацию, реализовывать алгоритмы, формировать пользовательские границы и взаимодействовать с программами, написанными на других языках, включая C, C++, C#, Java, Fortran и Python.

Хотя MATLAB предназначен в основном для арифметических вычислений, выборочный набор инструментов использует символический механизм MuPAD, позволяя использовать возможности символьных вычислений. Дополнительный пакет Simulink добавляет графическое многополевое моделирование и проектирование на основе прототипов для динамичных и встраиваемых систем. MATLAB — это высококлассный язык для технологических вычислений.

Он содержит средства для управления изменениями в вашем рабочем пространстве, а также для ввода и экспорта данных. Он также содержит инструменты для увеличения, управления, отладки и профилирования M-файлов, функции MATLAB.

Обработка изображений

Обработка изображений — это метод выполнения некоторых функций над изображением с целью получения улучшенного изображения или извлечения из него некоторой полезной информации. Вот два типа методов, используемых для обработки изображений: аналоговая и цифровая обработка изображений. Аналоговую обработку изображений можно использовать для печатных отпечатков, таких как распечатки и фотографии. Имиджевые психоаналитики используют различные основы интерпретации while, используя эти методы изображения. Методы цифровой обработки изображений помогают обрабатывать цифровые изображения с помощью компьютеров. Тремя общими этапами, которые все виды данных должны пройти while с использованием цифрового метода, являются предварительная обработка, улучшение и отображение. Обычно система изображений Processing обрабатывает изображения как двумерные жесты. входные данные представляют собой изображение, а выходные данные также являются изображением, обработка которого завершена. Как следует из названия, он занимается распределением изображений.

Что такое изображение?

Изображение — это не что иное, как двухмерный жест. Он определяется арифметической функцией f(x,y), где x и y — две координаты, параллельные и вертикальные.
Значение f(x,y) в любой точке соответствует значению пикселя в этой точке изображения.

Обнаружение пешеходов

Проект по созданию беспилотного автомобиля:

Пешеходы являются наиболее уязвимыми участниками дорожного движения, но за ними сложнее всего наблюдать как днем, так и ночью. Пешеходы, идущие по тропе транспортного средства или выходящие на тропу транспортного средства, рискуют получить удар, причинив серьезные травмы как пешеходу, так и, возможно, также пассажирам транспортного средства. Обнаружение пешеходов является важной и важной задачей в любой интеллектуальной системе видеонаблюдения, поскольку оно дает важную информацию для смыслового понимания видеокопий. Он имеет очевидное распространение на автомобильную технику, поскольку потенциально может улучшить системы безопасности.

%% вычисляет расстояние между камерой и пешеходом

num_people=length(баллы);
mx_distance=max(scores);
meter=30*3;
distance_frm_vechl=meter*mx_distance;
bboxA = [150,80,100,100];
bboxB = bboxA + 50;
overlapRatio = OverlapRatio(bboxA,bboxB)
bboxA = 10*rand(5,4);
bboxB = 10*ранд(10,4);
bboxA(:,3:4) = bboxA(:,3:4) + 10;
bboxB(:,3:4) = bboxB(:,3:4) + 10;
overlapRatio = OverlapRatio(bboxA,bboxB)

if пуст(distanc_frm_vechl);
h=msgbox('База данных ошибок');
else
bbxcount=size(bboxes)
bbx=bbxcount(1)
axes(handles.axes3)
imshow(I)
подождите
j=1;
для i=1:bbx

rectangle('Position',bboxes(j,:),'EdgeColor','r','LineWidth',2)
j=j+1
title('Обнаружен пешеход)

%% Модель схемы обнаружения пешеходов с использованием алгоритма Machine Learning
% с предложенной моделью SVM
% извлечения функций HOG
[a, b]=uigetfile('*.jpg');
a=imread(a);
% цифра,imshow(a)
pedstrain_tracking = Vision.PeopleDetector;
% I = imread('visionteam1.jpg');
I=a;
imgdims=ndims(a);
[m n c]=размер(a);
datah=582;
dataw=800;
h=isequal(data,m)
w=isequal(dataw,n)
I=imresize(I,[datah dataw]);
оси(handles.axes1)
imshow(I)
title («Входное изображение»)
Grayimg=rgb2gray(I);

В People Detector описана и настроена ваша статья о детекторе людей с помощью конструктора.
Вызовите пошаговый процесс с входным изображением I и объектом детектора лиц Person Detector. См. синтаксис ниже для использования пошаговой техники.

BBOXES = step(persons Detector,I) выполняет многомасштабное обнаружение объектов на входном изображении I. Метод возвращает матрицу Mx4, определяющую M ограничивающих рамок, где M символизирует количество обнаруженных людей. Каждая строка выходной матрицы BBOXES включает в себя четырехэлементный вектор [x y ширина высота]. Этот вектор определяет в пикселях верхний левый угол и размер прыгающего прямоугольника. Если люди не обнаружены, пошаговый процесс возвращает пустой вектор. Входное изображение I должно быть изображением в оттенках серого или полноцветным (RGB).

[BBOXES,SCORES]= шаг(Детектор людей, I) возвращает значение доверия для обнаружений. Вектор M-by-1, SCORES, содержит положительные значения для каждого прыгающего прямоугольника в BBOXES. Более высокие значения баллов указывают на более высокий уровень доверия к обнаружению. Значение SCORES зависит от того, как вы установили свойство «Обнаружения слияния». Если для свойства установлено значение «Точный», алгоритм обнаружения людей оценивает результаты категоризации и выдает значение SCORES. Если для свойства установлено значение «Подделка», детектор возвращает неизмененные баллы категоризации.
[___] = шаг (детектор людей, I, roi) замечает людей в прямоугольном разделе поиска, указанном roi. Вы должны определить ROI как 4-элементный вектор [ширина x y высота], который описывает интересующий прямоугольный участок изображения I. Установите для свойства «Использовать ROI» значение Real, чтобы использовать этот синтаксис.

прямоугольник('Позиция',pos)
I=insertObjectAnnotation(I,’rectangle’,bboxes,scores);
рисунок, imshow(I)
title('Обнаруженные люди и показатели обнаружения');

%Обнаружение объектов с помощью алгоритма Виолы-Джонса
глобальный I
I=imresize(I,[256 256]);
%Для обнаружения лица
FDetect = Vision.CascadeObjectDetector;

%Возвращает значения ограничивающей рамки в зависимости от количества объектов
BB = шаг(FDetect,I);
фигура,
imshow(I); подожди
для i = 1:size(BB,1)
прямоугольник('Position',BB(i,:),'LineWidth',5,'LineStyle','-','EdgeColor','r');
конец
title('Обнаружение головы');
подожди;