復(fù)雜環(huán)境下的快速人頭檢測(cè)系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn).pdf

1、隨著現(xiàn)代科學(xué)的發(fā)展與進(jìn)步，人工智能在節(jié)省資源、提高效率、保證安全質(zhì)量等方面有了出色的表現(xiàn)，被廣泛應(yīng)用在各個(gè)領(lǐng)域。在人工智能中，機(jī)器視覺(jué)是研究的一大熱點(diǎn)，尤其是在安防方面起到了重要作用。
　　目前行人檢測(cè)跟蹤、人臉檢測(cè)、表情分析、姿態(tài)估計(jì)等技術(shù)也日趨成熟，各種檢測(cè)算法相繼被設(shè)計(jì)出來(lái)。因?yàn)槿梭w在復(fù)雜場(chǎng)景下，很容易受到光照、紋理的影響，并存在不同程度的遮擋、變形，相對(duì)來(lái)說(shuō)，而人頭含有十分豐富的特征信息，并且極少被長(zhǎng)時(shí)間遮擋或變形，所以人

2、頭檢測(cè)為實(shí)現(xiàn)實(shí)時(shí)性的目標(biāo)檢測(cè)、跟蹤、計(jì)數(shù)提供了一個(gè)實(shí)用的研究方向。
　　人頭檢測(cè)是指在靜態(tài)或序列圖像中對(duì)人頭進(jìn)行識(shí)別與定位，本文在研究國(guó)內(nèi)外技術(shù)發(fā)展和相關(guān)文獻(xiàn)的基礎(chǔ)上提出了兩種基于統(tǒng)計(jì)學(xué)習(xí)的人頭檢測(cè)方法，分別是基于特征分類器的檢測(cè)方法和基于卷積神經(jīng)網(wǎng)絡(luò)的檢測(cè)方法。
　　基于特征分類的目標(biāo)檢測(cè)方法已發(fā)展的比較成熟，但人們往往需要在檢測(cè)準(zhǔn)確率與檢測(cè)速率之間做好權(quán)衡。在本文提出的基于特征分類的檢測(cè)中，我們選取NR-LBP與HOG特

3、征搭建級(jí)聯(lián)分類器，對(duì)待檢圖像進(jìn)行雙層檢測(cè)，在保證檢測(cè)準(zhǔn)確率的前提下，滿足實(shí)時(shí)性的需要，實(shí)驗(yàn)證明該方法對(duì)光照具很好的魯棒性。
　　在基于深度卷積神經(jīng)網(wǎng)絡(luò)的檢測(cè)方法中，文章通過(guò)設(shè)計(jì)一個(gè)七層神經(jīng)網(wǎng)絡(luò)進(jìn)行特征提取與分類。卷積神經(jīng)網(wǎng)絡(luò)中層次之間的緊密聯(lián)系和空間信息使得其特別適用于圖像的處理和理解，尤其在特征分類中，能夠自動(dòng)的從圖像中抽取出豐富的相關(guān)特性。實(shí)驗(yàn)證明，該方法對(duì)圖片旋轉(zhuǎn)、平移、變形具有比其他算法更為出眾的魯棒性，檢測(cè)結(jié)果準(zhǔn)確、可靠