行人檢測(cè)算法及其在DM8168平臺(tái)上的實(shí)現(xiàn).pdf

1、行人檢測(cè)是視頻智能監(jiān)控領(lǐng)域的基本問(wèn)題，具有重要的研究意義和實(shí)際應(yīng)用價(jià)值。與車輛等其他目標(biāo)相比，行人由于其本身不具有剛性及存在復(fù)雜的姿態(tài)變化，其檢測(cè)過(guò)程容易受到諸如不同姿勢(shì)、動(dòng)作等的干擾。另一方面，各類行人檢測(cè)算法的復(fù)雜性導(dǎo)致了其在硬件平臺(tái)上使用的局限性。因此，針對(duì)實(shí)時(shí)嵌入式平臺(tái)的行人檢測(cè)算法研究及其實(shí)現(xiàn)亦是一項(xiàng)不小的挑戰(zhàn)。
　　本文在分析了行人檢測(cè)相關(guān)算法原理與流程的基礎(chǔ)上，針對(duì)兩種不同場(chǎng)合：室內(nèi)小場(chǎng)景與室外大場(chǎng)景的情況，研究了2

2、種不同的行人檢測(cè)策略，即基于前景分割和基于行人特征分類器的行人檢測(cè)方法。
　　在前景分割方面，為了達(dá)到對(duì)行人檢測(cè)的完整性與魯棒性要求，提出了一種基于運(yùn)動(dòng)輪廓的前景增強(qiáng)檢測(cè)算法，并結(jié)合超像素塊算法與大津率，改善了前景分割在低對(duì)比度區(qū)域的性能。其創(chuàng)新在于通過(guò)超像素塊獲取感興趣的行人運(yùn)動(dòng)區(qū)域，再通過(guò)大津率計(jì)算用于分割的自適應(yīng)前景閾值，從而可以提高行人檢測(cè)的精度和速度。
　　在特征分類器方面，在簡(jiǎn)述了HAA R、HOG、LBP算子的