基于小波變換紋理特征及多部件二次驗(yàn)證行人檢測(cè)算法.pdf

1、行人檢測(cè)技術(shù)是目前機(jī)器視覺(jué)方面研究的熱點(diǎn)之一，已經(jīng)被廣泛應(yīng)用在智能輔助駕駛、智能機(jī)器人、行人行為識(shí)別等方面。通過(guò)近些年來(lái)的不懈研究，科研人員們提出了一系列的基于統(tǒng)計(jì)的行人檢測(cè)算法，此類(lèi)方法一般分成兩個(gè)部分:樣本的特征提取、分類(lèi)器設(shè)計(jì)。樣本特征提取的目的是對(duì)樣本提取出最有代表性的特性;分類(lèi)器設(shè)計(jì)屬于機(jī)器學(xué)習(xí)領(lǐng)域，目的是得到更有效、更快速、更好泛化的分類(lèi)器。
　　本文在對(duì)行人檢測(cè)的國(guó)內(nèi)外研究現(xiàn)狀以及研究的瓶頸進(jìn)行認(rèn)真分析的基礎(chǔ)上，對(duì)當(dāng)

2、前的主流特征提取方式進(jìn)行一定改進(jìn)，論文的主要貢獻(xiàn)如下:
　　1、局部二值變換的Haar-LL算法針對(duì)目前行人檢測(cè)技術(shù)中的檢測(cè)準(zhǔn)確率以及檢測(cè)時(shí)間消耗的不足，提出了一種基于二維離散Haar小波變換的局部二值模式(LBP)與局部梯度模式(LGP)的特征融合方法Haar-LL算法。該方法首先對(duì)圖像進(jìn)行二維離散Haar小波變換，從而得到四個(gè)不同頻率的子圖像，然后對(duì)低頻部分子圖像提取LBP特征，對(duì)三個(gè)高頻部分子圖像提取LGP特征，并將三個(gè)LG

3、P特征并接融合后與LBP特征串接融合然后進(jìn)行行人檢測(cè)，通過(guò)大量實(shí)驗(yàn)數(shù)據(jù)表明，該方法可行有效。
　　2、多部件二次驗(yàn)證行人檢測(cè)算法針對(duì)當(dāng)前行人檢測(cè)算法在行人整體檢測(cè)中對(duì)遮擋情況下的漏檢、特征融合可能出現(xiàn)特征抑制以及特征融合所造成的時(shí)間開(kāi)銷(xiāo)大等不足之處，本文提出了一種基于多部件的二次驗(yàn)證方法。該方法首先將從行人整體圖像提取的LBP特征與從二維離散小波變換的LL低頻圖像提取的LGP特征進(jìn)行融合，初次進(jìn)行行人檢測(cè);若檢測(cè)結(jié)果的決策值大于閡