基于最大幾何流向和快速魯棒性特性的靜態(tài)人體檢測(cè)算法的研究.pdf

1、隨著模式識(shí)別和人工智能技術(shù)的不斷發(fā)展,人體檢測(cè)已經(jīng)成為一個(gè)重點(diǎn)研究課題,在人機(jī)交互和智能視頻監(jiān)控等領(lǐng)域具有較為廣泛的應(yīng)用前景。同時(shí)人體檢測(cè)作為人體動(dòng)作識(shí)別、運(yùn)動(dòng)分析和人體運(yùn)動(dòng)跟蹤等相關(guān)領(lǐng)域研究的首要步驟,近年來在學(xué)術(shù)界倍受關(guān)注。然而,由于人體為非剛性,而且人體姿態(tài)各異、衣著的影響、背景復(fù)雜嘈雜、光照條件、自遮擋和互遮擋等因素的影響,給人體檢測(cè)這個(gè)研究課題增加了很多難點(diǎn)以及挑戰(zhàn)。
　　本文將工作重心放在尋找低維高效的圖像特征表示方法

2、上,為提高人體檢測(cè)效率上,做了大量的學(xué)習(xí)和研究工作,主要涉及到了基于統(tǒng)計(jì)學(xué)習(xí)的方法、全局特征、局部特征、詞袋模型以及非負(fù)矩陣分解等方法。主要涉及到了如下幾點(diǎn)工作:
　　1)研究了一種基于最大幾何流向直方圖(DGH)的人體檢測(cè)方法,該方法利用圖像幾何紋理特征的穩(wěn)定性,通過第二代 Bandelet變換,按一定大小的區(qū)域來劃分圖像,通過統(tǒng)計(jì)區(qū)域內(nèi)各個(gè)方向強(qiáng)度的分布直方圖來構(gòu)造統(tǒng)計(jì)特征;然后利用線性SVM分類器對(duì)得到的統(tǒng)計(jì)特征進(jìn)行分類訓(xùn)練

3、;最后用訓(xùn)練好的分類器對(duì)待檢測(cè)的圖像進(jìn)行判斷并輸出最終的檢測(cè)結(jié)果。
　　2)研究了一種基于快速魯棒性的匹配核人體檢測(cè)方法。采用機(jī)器學(xué)習(xí)的人體檢測(cè)框架,首先提取樣本圖像的 SURF描述子的特征點(diǎn),然后利用帶約束的奇異值分解(CKSVD)進(jìn)行核空間基向量學(xué)習(xí)將高維特征進(jìn)行低維映射;然后將得到的特征輸入到線性SVM中進(jìn)行分類訓(xùn)練;最后對(duì)訓(xùn)練好的分類器進(jìn)行分類性能判定和人體檢測(cè)測(cè)試。
　　3)研究了一種基于正交的非負(fù)矩陣分解進(jìn)行特征