行人姿態(tài)估計研究.pdf

1、行人姿態(tài)估計是模式識別和計算機視覺領域中的重要問題，在智能視頻監(jiān)控、智能交通、人機交互等領域得到廣泛應用。行人檢測和頭部姿態(tài)估計是行人姿態(tài)估計技術的兩個重要組成部分。本文針對現實問題，提出了基于增量學習的行人檢測方法和基于多變量標記分布的頭部姿態(tài)估計方法。
　　本文的主要研究內容包括:
　　1.針對大數據背景下行人檢測方法面臨的困難，研究快速、高效地訓練行人檢測模型的方法;
　　2.針對頭部姿態(tài)估計研究的現實情況，研究

2、在最大限度利用數據的基礎上，克服數據庫中頭部姿態(tài)標記信息不夠準確的缺點，提高頭部姿態(tài)估計的精度。
　　本文主要的創(chuàng)新性貢獻包括:
　　1.提出了基于增量學習的行人檢測框架;
　　2.提出了Converged Passive-Aggressive算法，并將它應用到基于增量學習的行人檢測框架中;
　　3.提出了多變量標記分布概念，并將它應用到頭部姿態(tài)估計中;
　　4.提出了加權Jeffrey散度，并將它應用到頭

3、部姿態(tài)估計中。
　　本文總共六章。第一章闡述了行人姿態(tài)估計技術的應用場景、技術組成、研究現狀以及遇到的困難和挑戰(zhàn)。第二章捕述了基于整體特征的行人檢測方法，介紹了常用的特征提取方法和典型的分類算法。第三章介紹了基于二維圖像的頭部姿態(tài)估計方法，分析了頭部姿態(tài)估計問題以及五類典型方法。第四章詳細闡述了基于增量學習的行人檢測方法，提出了基于增量學習的行人檢測框架以及Converged Passive-Aggressive算法，并用實驗對框