基于多特征融合的分級(jí)行人檢測(cè)方法研究.pdf

1、行人檢測(cè)技術(shù)研究的主體是現(xiàn)實(shí)世界主要的組成部分，因此成為人們探索追求的重點(diǎn)。隨著信息技術(shù)的發(fā)展，行人檢測(cè)技術(shù)也慢慢的被應(yīng)用于現(xiàn)實(shí)之中，如智能監(jiān)控系統(tǒng)、車(chē)載輔助系統(tǒng)、智能機(jī)器人等。正是由于社會(huì)發(fā)展的需求，行人檢測(cè)技術(shù)領(lǐng)域吸引了眾人參與到這個(gè)領(lǐng)域的研究。2005年HOG特征被提出用于行人檢測(cè)是行人檢測(cè)技術(shù)突破性進(jìn)展。隨后的十年衍生出眾多的方法，都獲得了豐碩的成果。但是行人檢測(cè)本身存在著許多的難點(diǎn)：（1）行人作為非剛性目標(biāo)，自身的外觀、姿態(tài)等

2、方面都會(huì)隨時(shí)的改變，影響行人檢測(cè)的準(zhǔn)確性；（2）復(fù)雜的背景環(huán)境會(huì)導(dǎo)致行人檢測(cè)出現(xiàn)誤檢或漏檢，如何去除復(fù)雜背景干擾成為研究的難點(diǎn)；（3）在大場(chǎng)景下行人高度密集，行人遮擋造成了行人檢測(cè)的復(fù)雜性。
　　本文采用了分級(jí)檢測(cè)行人的方法，主要工作內(nèi)容如下：
　?。?）引用傳統(tǒng)的HOG特征和信息熵特征相結(jié)合進(jìn)行目標(biāo)檢測(cè)
　　傳統(tǒng)的HOG特征提取的方法只提取了自身唯一特征用于目標(biāo)檢測(cè)，自身特征只能表征少許有用的特征信息?？紤]到行人目標(biāo)

3、存在許多可以表征的特征，本文提出結(jié)合信息熵特征用于檢測(cè)目標(biāo)。信息熵定義起源于熱力學(xué)，應(yīng)用于圖像處理可以在一定程度上表征圖像的紋理特征。利用改進(jìn)的HOG特征和滑動(dòng)窗口檢測(cè)會(huì)初步得到一系列興趣窗口。
　　（2）引入集合通道特征用于目標(biāo)檢測(cè)
　　集合通道特征包含了多種特征。本文中主要使用了顏色特征、梯度直方圖特征和梯度幅值特征。多特征融合會(huì)有效改善行人檢測(cè)的效果，因?yàn)槎嗵卣骺梢愿玫谋碚餍腥四繕?biāo)信息。本文提出快速計(jì)算特征方法，快速

4、特征計(jì)算方法是對(duì)不同尺度下的特征近似計(jì)算。傳統(tǒng)的特征提取分別計(jì)算多尺度下的特征，這樣在會(huì)消耗大量的計(jì)算時(shí)間。區(qū)別于傳統(tǒng)的特征提取，快速計(jì)算特征方法是利用當(dāng)前尺度下得到的特征近似計(jì)算相鄰尺度下特征。提取得到的特征使用Adaboost算法訓(xùn)練最強(qiáng)分類(lèi)器用于目標(biāo)檢測(cè)。在上一步粗略檢測(cè)之后，利用集合通道特征對(duì)得到的一系列興趣窗口進(jìn)行精確的分類(lèi)，得到最終的分類(lèi)結(jié)果。
　　本文實(shí)驗(yàn)所采用的數(shù)據(jù)庫(kù)為開(kāi)源公共數(shù)據(jù)集，實(shí)驗(yàn)的平臺(tái)酷睿雙核處理器，內(nèi)存