基于模式分類的人體檢測技術(shù)的研究.pdf

1、人體檢測是人體運動視覺分析的重要組成部分，是近年來計算機視覺領(lǐng)域備受關(guān)注的前沿方向和研究熱點。它在智能監(jiān)控、駕駛員輔助系統(tǒng)、運動分析、高級人機接口具有廣泛的應(yīng)用前景?；谀Ｊ椒诸惖娜梭w檢測利用統(tǒng)計學(xué)習(xí)的方法從樣本中自動學(xué)習(xí)人體模型的知識，把人體檢測看作一個模式分類的問題。本文以Viola提出的結(jié)合人體外形信息和運動信息的方法為基礎(chǔ)，分別從四個方面進行改進：進一步豐富特征集，加入了45°傾斜的矩形特征和邊緣方向直方圖(Edge Orien

2、tation Histogram)特征；用Gentle AdaBoost方法替代了Discrete AdaBoost方法，使訓(xùn)練算法更加穩(wěn)定，性能得到提高；引入了代價函數(shù)使級聯(lián)分類器的訓(xùn)練從原來的手定訓(xùn)練目標(biāo)成為自動訓(xùn)練；增加了歸并包圍盒的后處理算法和連續(xù)性分析，進一步提高算法的檢測率和降低誤報率。通過這些改進，經(jīng)實驗證明我們的方法在誤報率為1/400000下，檢測率可以達到90％以上，并且運行時間為217ms。另外，本文的另一個貢獻是