復(fù)雜環(huán)境下的快速人頭檢測系統(tǒng)的設(shè)計與實現(xiàn).pdf

1、隨著現(xiàn)代科學(xué)的發(fā)展與進步，人工智能在節(jié)省資源、提高效率、保證安全質(zhì)量等方面有了出色的表現(xiàn)，被廣泛應(yīng)用在各個領(lǐng)域。在人工智能中，機器視覺是研究的一大熱點，尤其是在安防方面起到了重要作用。
　　目前行人檢測跟蹤、人臉檢測、表情分析、姿態(tài)估計等技術(shù)也日趨成熟，各種檢測算法相繼被設(shè)計出來。因為人體在復(fù)雜場景下，很容易受到光照、紋理的影響，并存在不同程度的遮擋、變形，相對來說，而人頭含有十分豐富的特征信息，并且極少被長時間遮擋或變形，所以人

2、頭檢測為實現(xiàn)實時性的目標檢測、跟蹤、計數(shù)提供了一個實用的研究方向。
　　人頭檢測是指在靜態(tài)或序列圖像中對人頭進行識別與定位，本文在研究國內(nèi)外技術(shù)發(fā)展和相關(guān)文獻的基礎(chǔ)上提出了兩種基于統(tǒng)計學(xué)習(xí)的人頭檢測方法，分別是基于特征分類器的檢測方法和基于卷積神經(jīng)網(wǎng)絡(luò)的檢測方法。
　　基于特征分類的目標檢測方法已發(fā)展的比較成熟，但人們往往需要在檢測準確率與檢測速率之間做好權(quán)衡。在本文提出的基于特征分類的檢測中，我們選取NR-LBP與HOG特

3、征搭建級聯(lián)分類器，對待檢圖像進行雙層檢測，在保證檢測準確率的前提下，滿足實時性的需要，實驗證明該方法對光照具很好的魯棒性。
　　在基于深度卷積神經(jīng)網(wǎng)絡(luò)的檢測方法中，文章通過設(shè)計一個七層神經(jīng)網(wǎng)絡(luò)進行特征提取與分類。卷積神經(jīng)網(wǎng)絡(luò)中層次之間的緊密聯(lián)系和空間信息使得其特別適用于圖像的處理和理解，尤其在特征分類中，能夠自動的從圖像中抽取出豐富的相關(guān)特性。實驗證明，該方法對圖片旋轉(zhuǎn)、平移、變形具有比其他算法更為出眾的魯棒性，檢測結(jié)果準確、可靠