基于圖像處理的復(fù)雜環(huán)境人形統(tǒng)計(jì)方法研究

1、 密 級(jí) 碩 士 學(xué) 位 論 文 題目 題目 基于 基于圖像處理的復(fù)雜環(huán)境人形統(tǒng)計(jì)方法研 圖像處理的復(fù)雜環(huán)境人形統(tǒng)計(jì)方法研究 （英文） （英文） Research on Humanoid Statistical Method of Complex Environment Detection Based on I

2、mage Processing 研 究 生 學(xué) 號(hào): 1401201017 研 究 生 姓 名: 張 鵬 指導(dǎo)教師姓名、職稱 指導(dǎo)教師姓名、職稱: 黃知超（副教授） 申 請(qǐng) 學(xué) 位 門 類: 工學(xué)碩士 學(xué) 科、專 科、專 業(yè): 機(jī)械工程

3、 論 文 答 辯 日 期: 2017 年 06 月 10 日 摘 要 摘 要 隨著經(jīng)濟(jì)全球化的迅速發(fā)展，公共安全成為人們生活中最重要的問題，智能安防系統(tǒng)不斷的走進(jìn)人們生活中， 成為生活中不可缺少的一部分， 而人形檢測(cè)是智能安防系統(tǒng)的最前沿的課題，主要應(yīng)用于智能家庭、智能交通、人體行為分析等領(lǐng)域。本文研究復(fù)雜環(huán)境下的人形統(tǒng)計(jì)方法，由于受場(chǎng)景不同、光線不同、拍攝角度不同、目標(biāo)尺度變化、人體形態(tài)差異、偽裝效應(yīng)和動(dòng)態(tài)背景等因

4、素的影響，準(zhǔn)確進(jìn)行人形統(tǒng)計(jì)有很大難度，為此，本文做了以下主要工作： 通過分析基于膚色模型和 AdaBoost 算法的人臉檢測(cè)的優(yōu)點(diǎn)與弊端，改進(jìn)了一種基于膚色信息的 AdaBoost 級(jí)聯(lián)分類器算法，實(shí)現(xiàn)了膚色模型與級(jí)聯(lián)結(jié)構(gòu)的 AdaBoost分類器算法的良好結(jié)合， 提高了復(fù)雜場(chǎng)景中光照變化以及人臉姿態(tài)變化對(duì)人臉檢測(cè)的精確性。 采用相機(jī)垂直架設(shè)的方法，利用 HOG 特征，獲取人體頭部特征信息，采取機(jī)器學(xué)習(xí)的方法進(jìn)行人形檢測(cè)；并采用增量學(xué)

5、習(xí)的訓(xùn)練方法，獲得最終的 SVM 分類器，解決了復(fù)雜場(chǎng)景中人形目標(biāo)較多時(shí)人形目標(biāo)相互遮擋的問題。 采用訓(xùn)練頭肩檢測(cè)器來作為人形檢測(cè)的分類器，把提取 Haar 特征的級(jí)聯(lián)結(jié)構(gòu)AdaBoost 算法分類器作為初級(jí)分類器，再將提取 HOG 特征的 SVM 分類器作為次級(jí)分類器， 最終將兩級(jí)分類器組成級(jí)聯(lián)分類器用于頭肩檢測(cè)， 提高了不同角度視頻場(chǎng)景下的人形檢測(cè)的準(zhǔn)確性。 通過對(duì)以上算法的綜合應(yīng)用和實(shí)驗(yàn)， 結(jié)果表明， 本文算法不僅提高了復(fù)雜環(huán)境下