行人姿態(tài)估計(jì)研究.pdf

1、行人姿態(tài)估計(jì)是模式識(shí)別和計(jì)算機(jī)視覺(jué)領(lǐng)域中的重要問(wèn)題，在智能視頻監(jiān)控、智能交通、人機(jī)交互等領(lǐng)域得到廣泛應(yīng)用。行人檢測(cè)和頭部姿態(tài)估計(jì)是行人姿態(tài)估計(jì)技術(shù)的兩個(gè)重要組成部分。本文針對(duì)現(xiàn)實(shí)問(wèn)題，提出了基于增量學(xué)習(xí)的行人檢測(cè)方法和基于多變量標(biāo)記分布的頭部姿態(tài)估計(jì)方法。
　　本文的主要研究?jī)?nèi)容包括:
　　1.針對(duì)大數(shù)據(jù)背景下行人檢測(cè)方法面臨的困難，研究快速、高效地訓(xùn)練行人檢測(cè)模型的方法;
　　2.針對(duì)頭部姿態(tài)估計(jì)研究的現(xiàn)實(shí)情況，研究

2、在最大限度利用數(shù)據(jù)的基礎(chǔ)上，克服數(shù)據(jù)庫(kù)中頭部姿態(tài)標(biāo)記信息不夠準(zhǔn)確的缺點(diǎn)，提高頭部姿態(tài)估計(jì)的精度。
　　本文主要的創(chuàng)新性貢獻(xiàn)包括:
　　1.提出了基于增量學(xué)習(xí)的行人檢測(cè)框架;
　　2.提出了Converged Passive-Aggressive算法，并將它應(yīng)用到基于增量學(xué)習(xí)的行人檢測(cè)框架中;
　　3.提出了多變量標(biāo)記分布概念，并將它應(yīng)用到頭部姿態(tài)估計(jì)中;
　　4.提出了加權(quán)Jeffrey散度，并將它應(yīng)用到頭

3、部姿態(tài)估計(jì)中。
　　本文總共六章。第一章闡述了行人姿態(tài)估計(jì)技術(shù)的應(yīng)用場(chǎng)景、技術(shù)組成、研究現(xiàn)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(cè)方法，介紹了常用的特征提取方法和典型的分類(lèi)算法。第三章介紹了基于二維圖像的頭部姿態(tài)估計(jì)方法，分析了頭部姿態(tài)估計(jì)問(wèn)題以及五類(lèi)典型方法。第四章詳細(xì)闡述了基于增量學(xué)習(xí)的行人檢測(cè)方法，提出了基于增量學(xué)習(xí)的行人檢測(cè)框架以及Converged Passive-Aggressive算法，并用實(shí)驗(yàn)對(duì)框