深度圖像下基于特征學(xué)習(xí)的人體檢測(cè)方法研究.pdf

1、人體檢測(cè)是計(jì)算機(jī)視覺領(lǐng)域的研究熱點(diǎn)與難點(diǎn)，在智能監(jiān)控、智能家居服務(wù)型機(jī)器人、汽車的安全駕駛、機(jī)器人視覺導(dǎo)航、智能交通、游戲娛樂等方面都有廣泛的應(yīng)用。人體檢測(cè)不僅有直接的應(yīng)用價(jià)值，同時(shí)也是計(jì)算機(jī)實(shí)現(xiàn)人體動(dòng)作行為識(shí)別和跟蹤等視覺技術(shù)的基礎(chǔ)，具有很好的理論研究?jī)r(jià)值。
　　根據(jù)圖像數(shù)據(jù)類型的不同，人體檢測(cè)的研究大體分為基于RGB圖像的檢測(cè)與基于深度圖像的檢測(cè)。目前，基于RGB圖像上的人體檢測(cè)已經(jīng)取得一定的進(jìn)展，但RGB圖像的人體檢測(cè)，常常

2、因?yàn)槭芄庹兆兓?、陰影、物體遮擋及復(fù)雜背景等因素的干擾，檢測(cè)性能大受影響。深度圖像作為一種新型的數(shù)據(jù)描述方式，不僅可以保存物體的空間位置信息，而且具有保護(hù)隱私、不受光照變化影響以及維度小的優(yōu)點(diǎn)。隨著Kinect傳感器的出現(xiàn)，基于深度圖像的人體檢測(cè)逐漸成為新潮。本文圍繞深度圖像的人體檢測(cè)，首先概述了基于RGB圖像的人體檢測(cè)與基于深度圖像的人體檢測(cè)的研究現(xiàn)狀，并對(duì)人體檢測(cè)里一些常用特征提取方法的基本思想與原理做簡(jiǎn)要介紹。在對(duì)國(guó)內(nèi)外計(jì)算機(jī)視覺領(lǐng)

3、域的人體檢測(cè)研究方法做歸納與總結(jié)的基礎(chǔ)上，重點(diǎn)進(jìn)行了如下兩個(gè)方面的工作:
　　1.在檢測(cè)速度方面，針對(duì)滑動(dòng)窗口法在人體檢測(cè)方面存在搜索空間大的問題，提出了檢測(cè)前聚類的概念，將其加入人體檢測(cè)框架。為加速特征提取過程，在人體檢測(cè)前預(yù)先對(duì)人體的可能位置進(jìn)行定位，并裁剪出待檢測(cè)圖像集。
　　2.在深度圖像的人體描述子方面，將深度學(xué)習(xí)方法引入深度圖像的人體檢測(cè)中，通過稀疏自編碼(SAE)來學(xué)習(xí)人體的深度特征，并對(duì)圖像的深度信息進(jìn)行重新

4、編碼，從而實(shí)現(xiàn)圖像的特征提取。
　　最后，在SZU Kinect人體檢測(cè)數(shù)據(jù)集上，我們將本文所用的深度學(xué)習(xí)方法SAE提取的人體特征與深度圖像人體檢測(cè)里的一些典型的特征提取方法，如HOD，HDD，SLTP，RDSF，以及我們改進(jìn)的SLTP算法進(jìn)行實(shí)驗(yàn)對(duì)比。在分類器的選擇上，比較了SVM與Softmax兩種分類器的檢測(cè)性能。
　　實(shí)驗(yàn)結(jié)果表明本文對(duì)基于深度圖像的人體檢測(cè)框架的改進(jìn)很大程度上提高了人體檢測(cè)的速度。深度學(xué)習(xí)算法在深度