基于稀疏特征以及可變形部件模型的行人檢測(cè).pdf

1、近些年來，行人檢測(cè)作為物體檢測(cè)的一個(gè)重要分支，在計(jì)算機(jī)視覺領(lǐng)域越來越受到關(guān)注和研究，逐漸成為一個(gè)熱點(diǎn)話題。行人檢測(cè)在智能交通、監(jiān)控系統(tǒng)、運(yùn)動(dòng)分析、游戲娛樂等領(lǐng)域有著廣泛的應(yīng)用。它不僅可以直接應(yīng)用到實(shí)際的生產(chǎn)生活中來，還為計(jì)算機(jī)的人體跟蹤與識(shí)別等技術(shù)打下了基礎(chǔ)，具有較高的研究?jī)r(jià)值。
　　本文主要研究描述特征圖像的特征算子以及檢測(cè)目標(biāo)的模型，采用語義的形式，用不同的組合形式和規(guī)則來描述一些模型。例如從較簡(jiǎn)單的剛型模型到比較復(fù)雜的可變形

2、部件模型，逐步地去豐富行人語義模型。建立模型之后并訓(xùn)練模型來提高行人檢測(cè)的性能，最后在指定的PASCAL VOC挑戰(zhàn)賽數(shù)據(jù)集中來驗(yàn)證相應(yīng)模型的可靠性。
　　由于HOG特征存在著各種局限性，因此需引入另一種特征描述算子—HSC特征。它采用稀疏學(xué)習(xí)的方式來獲取目標(biāo)圖像的特征，更具魯棒性和識(shí)別力。文中采用的是沒有指明是什么部件的“弱”標(biāo)簽數(shù)據(jù)，為訓(xùn)練弱標(biāo)簽的數(shù)據(jù)集，引入弱標(biāo)簽結(jié)構(gòu)SVM（WL-SSVM）的方法，跟傳統(tǒng)方法相比，提高了性能