基于最大幾何流向和快速魯棒性特性的靜態(tài)人體檢測算法的研究.pdf

1、隨著模式識別和人工智能技術的不斷發(fā)展,人體檢測已經成為一個重點研究課題,在人機交互和智能視頻監(jiān)控等領域具有較為廣泛的應用前景。同時人體檢測作為人體動作識別、運動分析和人體運動跟蹤等相關領域研究的首要步驟,近年來在學術界倍受關注。然而,由于人體為非剛性,而且人體姿態(tài)各異、衣著的影響、背景復雜嘈雜、光照條件、自遮擋和互遮擋等因素的影響,給人體檢測這個研究課題增加了很多難點以及挑戰(zhàn)。
　　本文將工作重心放在尋找低維高效的圖像特征表示方法

2、上,為提高人體檢測效率上,做了大量的學習和研究工作,主要涉及到了基于統(tǒng)計學習的方法、全局特征、局部特征、詞袋模型以及非負矩陣分解等方法。主要涉及到了如下幾點工作:
　　1)研究了一種基于最大幾何流向直方圖(DGH)的人體檢測方法,該方法利用圖像幾何紋理特征的穩(wěn)定性,通過第二代 Bandelet變換,按一定大小的區(qū)域來劃分圖像,通過統(tǒng)計區(qū)域內各個方向強度的分布直方圖來構造統(tǒng)計特征;然后利用線性SVM分類器對得到的統(tǒng)計特征進行分類訓練

3、;最后用訓練好的分類器對待檢測的圖像進行判斷并輸出最終的檢測結果。
　　2)研究了一種基于快速魯棒性的匹配核人體檢測方法。采用機器學習的人體檢測框架,首先提取樣本圖像的 SURF描述子的特征點,然后利用帶約束的奇異值分解(CKSVD)進行核空間基向量學習將高維特征進行低維映射;然后將得到的特征輸入到線性SVM中進行分類訓練;最后對訓練好的分類器進行分類性能判定和人體檢測測試。
　　3)研究了一種基于正交的非負矩陣分解進行特征