面向低分辨監(jiān)控場景的行人檢測與超分辨重建算法研究.pdf

1、對低質(zhì)量視頻序列的行人目標進行檢測和高分辨重建是伴隨著近些年來提出來的物聯(lián)網(wǎng)互聯(lián)互通的概念而產(chǎn)生的新需求，智能化的信息集成處理有依賴于這些前端檢測和處理的信息輸入。高質(zhì)量和有效的圖像目標可以為后續(xù)的應用提供很好的支持，包括目標檢索，匹配認證等等。因此本文針對監(jiān)控攝像，手機攝像等獲取的低分辨圖像序列，從中檢測分割出對應的行人目標，并進而對其進行高分辨重建，得到相對清晰的目標圖像版本。這里，我們只針對檢測分割后的目標圖像序列進行超分重建，由

2、此將會帶來速度以及重建質(zhì)量的提升，我們也會在相應章節(jié)中設計相應的實驗來進行說明。
　　 本文首先研究了適合用來在低分辨圖像序列下進行行人目標檢測的算法，由于很多現(xiàn)有的檢測算法都只針對像素分辨度較高的行人圖像，無法適應本文所需要解決的應用場景。為此，我們采用了對低分辨場景具有魯棒性的基于局部人體構件的行人檢測方法。這種方法通過預先標記人體關鍵點聚類相應的人體構件訓練樣本，通過針對這些局部構件單獨訓練出子檢測器后，再對目標圖像分別進

3、行檢測，通過整合多個子檢測器的檢測結果，我們就可以獲取比較好的檢測總體性能。針對本文的應用場景，我們設計了一系列優(yōu)化子檢測器信息融合的改進方案，充分利用每一個子檢測器的檢測結果。另外，分割目標的準確性也尤為重要，因此我們也優(yōu)化了原有的檢測框估計方法，使得到的檢測框定位更加精確。
　　 另外本文還研究了針對檢測后目標行人圖像序列的超分重建方法，因為行人目標具有局部移動性和圖像低質(zhì)模糊的特點，重建之前所進行的配準過程往往會產(chǎn)生很多重

4、建奇異點，這在重建較為快速運動的行人目標時尤為明顯，為此我們首先針對重建奇異點這一塊提出了一種基于MAP(Maximum A Posteriori)的反向投影方法，利用幀間和幀內(nèi)的兩部分相關性設計分類器來分別處理重建奇異點，使得多個圖像的信息得到最有效的融合。另外，我們還研究了能夠維持圖像邊緣特性的正則化項，主要是利用了雙邊全變差濾波器本身具有的紋理分析和快速運算能力，設計好相應的自適應參數(shù)之后就可以有效自適應圖像的局部結構差異性。最后