基于特征融合和運(yùn)動(dòng)信息的行人檢測(cè)算法的研究.pdf

1、隨著城市的快速發(fā)展，城市化進(jìn)程中的安全問(wèn)題也引起社會(huì)的重視，尤其是在智能安防、城市交通、公共安全領(lǐng)域，行人安全越來(lái)越重要。因此行人檢測(cè)成為研究領(lǐng)域的一個(gè)熱門(mén)研究方向。作為計(jì)算機(jī)視覺(jué)中的一個(gè)常見(jiàn)問(wèn)題，對(duì)行人檢測(cè)的研究已經(jīng)取得了很大的進(jìn)步，但還存在一些難點(diǎn)：行人與其他許多物體相比具有很大差異，除了具有非剛性的特點(diǎn)，在站立姿勢(shì)、衣著樣式顏色以及一些遮擋等方面也存在復(fù)雜情況；監(jiān)控角度、光照條件、背景等非人條件也有很多的不確定性。這些都會(huì)給行人檢

2、測(cè)帶來(lái)一定難度。
　　本文首先對(duì)國(guó)內(nèi)外常見(jiàn)的行人檢測(cè)算法進(jìn)行了介紹，針對(duì)基于統(tǒng)計(jì)分類(lèi)的行人檢測(cè)方法進(jìn)行詳細(xì)的研究，從行人檢測(cè)的一般流程出發(fā)，對(duì)特征提取、分類(lèi)算法方面的一些基本算法進(jìn)行了全面的闡述。其中，詳細(xì)的介紹了比較常見(jiàn)的行人特征描述算法的原理，分析了常用的行人分類(lèi)算法和各自的特點(diǎn)。然后，本文提出了基于人頭肩的類(lèi)Haar特征對(duì)行人上半身信息進(jìn)行描述，并對(duì)HOG特征的計(jì)算方式進(jìn)行了改進(jìn)以減少運(yùn)算量，利用統(tǒng)計(jì)分類(lèi)算法生成行人檢測(cè)分類(lèi)

3、器：由SVM訓(xùn)練得到HOG特征分類(lèi)器，AdaBoost算法訓(xùn)練得到類(lèi)Haar特征分類(lèi)器。最終構(gòu)建出一種基于特征級(jí)聯(lián)行人檢測(cè)算法，即先用HOG特征分類(lèi)器得到直立行人檢測(cè)窗口，隨后在該窗口中由類(lèi)Haar特征分類(lèi)器確定是否存在人頭肩信息來(lái)最終判斷這個(gè)窗口是否包含行人。
　　在視頻中行人的檢測(cè)階段，本文通過(guò)對(duì)比常見(jiàn)的運(yùn)動(dòng)目標(biāo)檢測(cè)算法，選定背景減除法作為輔助檢測(cè)算法。引入運(yùn)動(dòng)目標(biāo)檢測(cè)算法主要可以縮小整個(gè)檢測(cè)窗口，這樣不僅可以減少行人特征的計(jì)

4、算量，而且可以將行人檢測(cè)精確定位到運(yùn)動(dòng)的前景當(dāng)中，降低了行人檢測(cè)的誤檢率。
　　最后，本文采用國(guó)際上通用的標(biāo)準(zhǔn)行人數(shù)據(jù)集進(jìn)行實(shí)驗(yàn)，將數(shù)據(jù)應(yīng)用于行人特征分類(lèi)器訓(xùn)練。運(yùn)動(dòng)信息提取采用運(yùn)行效率和效果良好的碼本模型。同時(shí)，還利用OpenCV中提供的對(duì)GPU加速的支持，并行計(jì)算HOG特征，有效的提高了檢測(cè)的速度。實(shí)驗(yàn)表明，本算法在準(zhǔn)確率和效率兩方面都有了一定的提升，當(dāng)然還有很多方面需要進(jìn)行完善和改進(jìn)，尤其是對(duì)應(yīng)場(chǎng)景變化和行人半遮檔的情況還有