不同人群密度環(huán)境下行人檢測(cè)方法研究.pdf

1、行人檢測(cè)和識(shí)別是智能視頻分析領(lǐng)域中一項(xiàng)重要的研究課題。在智能安防監(jiān)控、人機(jī)交互、虛擬現(xiàn)實(shí)等方面有著廣泛的應(yīng)用?，F(xiàn)實(shí)條件下由于很多區(qū)域的人流量比較大，行人之間的遮擋問(wèn)題比較嚴(yán)重，現(xiàn)有方法很難短時(shí)間內(nèi)處理大量的數(shù)據(jù)，導(dǎo)致無(wú)法滿足實(shí)時(shí)性的需求。頭肩部位包含信息量相對(duì)較小，并且基本不受遮擋的影響。因此，頭肩部分的檢測(cè)可以作為不同人群密度環(huán)境下行人檢測(cè)的突破口。特別是商場(chǎng)、車站等人流密集區(qū)域，利用頭肩部位的特征能夠很好的完成視頻監(jiān)控中行人的檢測(cè)。

2、
　　傳統(tǒng)的行人檢測(cè)方法檢測(cè)過(guò)程花費(fèi)時(shí)間較多，很難達(dá)到實(shí)時(shí)的效果，因此本課題的研究就是為了能夠提升行人檢測(cè)過(guò)程的整體速度，以求能夠應(yīng)用到實(shí)時(shí)系統(tǒng)中去。
　　本文的主要工作如下：
　?、僦饕芯苛薍OG特征，從具體概念、特征的提取方法、到模板匹配都做了詳細(xì)的介紹。深入分析了支持向量機(jī)(SupportVectorMachine)、AdaBoost算法等可用于行人檢測(cè)的分類算法。
　?、谘芯苛嘶诙祷瘹w一梯度特征的目

3、標(biāo)預(yù)檢測(cè)方法，并在此基礎(chǔ)上提出了基于圖像金字塔的改進(jìn)方法。通過(guò)對(duì)行人數(shù)據(jù)集進(jìn)行實(shí)驗(yàn)，證實(shí)了改進(jìn)方法是能夠在保證目標(biāo)檢測(cè)效果不降低的情況下，相應(yīng)地減少模板匹配的次數(shù)，從而能夠快速地框出圖像中包含行人的區(qū)域，為后續(xù)的行人檢測(cè)拋去無(wú)用區(qū)域，達(dá)到提升檢測(cè)速度的目的。
　?、跦OG特征在行人檢測(cè)領(lǐng)域應(yīng)用非常廣泛，當(dāng)前經(jīng)典的行人檢測(cè)方法都會(huì)用到HOG特征。為了解決不同人群密度環(huán)境下的遮擋問(wèn)題，采用基于頭肩的HOG特征展開(kāi)行人檢測(cè)；本文在充分理