行人檢測若干關鍵技術研究.pdf

1、行人集剛性物體和柔性物體的特性于一身，受光照、姿態(tài)、穿著、遮擋和復雜背景等影響，類內和類間的模式變化大。行人檢測是目標檢測中的經(jīng)典難題，也是當前計算機視覺的研究熱點，其研究成果可應用在車輛輔助駕駛、人體運動分析、家庭服務機器人和智能視頻監(jiān)控等領域中。因此，開展行人檢測技術的研究具有重要的理論意義和應用價值。
　　 本文在全面綜述行人檢測技術研究現(xiàn)狀的基礎上，將行人檢測分為如下的四個子問題：候選區(qū)域的產(chǎn)生、特征提取、分類與定位和驗

2、證。從模式識別的角度來看，行人檢測技術的核心是“特征提取”和“分類與定位”，本文主要針對當前這兩類問題的研究中存在的不足展開研究，論文的主要工作和創(chuàng)新點如下：
　　 (1)針對當前行人測試集分辨率較高且背景較單一的不足，建立了廈門大學行人數(shù)據(jù)庫。數(shù)據(jù)庫是行人檢測技術不斷向前發(fā)展的“催化劑”，本文建立的真實場景下的行人測試數(shù)據(jù)庫，分辨率較低，且背景變化多種多樣。該數(shù)據(jù)庫不僅給出了行人的矩形框信息，且給出了行人的分割掩膜。為方便行人

3、標注，開發(fā)了相應的標注輔助軟件，并申請了軟件著作權。
　　 (2)針對直方圖特征無法刻畫象素的空間分布情況和維數(shù)較高這一缺點，提出了基于結構化局部統(tǒng)計特征的描述子。特征表示是任何一個模式識別系統(tǒng)的關鍵。本文在綜述當前行人特征提取研究現(xiàn)狀的基礎上，提出了結構化局部邊緣矩特征描述子(Structured Local Edge Pattern Moment)。SLEPm刻畫了象素的統(tǒng)計特征和空間信息，同時具有較低的維度，實驗結果表明：

4、與梯度方向直方圖特征(Histogram of Oriented Gradient，HOG)相比，SLEPm具有較好的行人分類性能。受局部二值模式(Local Binary Pattern，LBP)和哈爾(Haar)特征的啟發(fā)，本文提出了結構化局部二值哈爾模式特征(Structured Local Binary Haar Pattern，SLBHP)，實驗結果表明：SLBHP在基于象素的圖形檢索中與Haar、LBP及邊緣特征相比，具有較

5、好的準確率和魯棒性。
　　 (3)提出了滑動窗口下基于直方圖交叉核的多特征融合行人檢測方法。不同的圖像特征描述子從不同的側面來描述圖像的特性，多特征的融合有助于全面刻畫行人的特征從而提高檢測性能；鑒于目前大部分的行人特征為直方圖特征，引入了直方圖交叉核支持向量機作為分類器，從而提出了基于直方圖交叉核的多特征融合行人檢測方法。在廈門大學行人數(shù)據(jù)庫和INRIA數(shù)據(jù)庫上的實驗結果表明：多特征融合提高了檢測器的檢測性能，直方圖交叉核與線

6、性核相比，檢測準確率更高且抗遮擋能力更強。文章還對基于滑動窗口的行人檢測技術中基于積分直方圖的特征快速計算、非極大值抑制算法、模型重復訓練對檢測性能的影響等進行詳細的分析。
　　 (4)提出了分聚分建的類別可擴充場景分類方法和基于碼本權重的特征選擇算法?；瑒哟翱诜m然是當前目標檢測領域中的主流方法，但是其檢測結果并不是全局最優(yōu)，而且如果搜索的步長較小則檢測速度慢。近年來有部分研究者提出了超越滑動窗口法的目標檢測框架，本文針對該框

7、架下的碼本構建與特征選擇，提出了分聚分建的可擴充類別場景分類方法；在超越滑動窗口法的行人檢測中，首先采用基于位置和類別信息分別對局部圖像塊進行聚類，從而構建判別能力更強的碼本，然后提出了利用信息增益和線性支持向量機對碼本進行特征選擇的方法，實驗結果表明該方法提高了高效子窗口搜索法的行人檢測性能。
　　 總之，本文從特征提取和分類與定位這兩個行人檢測技術的核心問題入手，首先提出了改進的行人特征描述子(SLEPm)，然后提出了基于直