基于部件的人體檢測算法的實現(xiàn)及優(yōu)化.pdf

1、智能視頻分析IVS(Intelligent Video System)技術是使用計算機模式識別算法對圖像和視頻進行視覺分析的技術，通過將視頻場景背景和目標分離進而追蹤并分析場景內(nèi)目標。目標檢測算法是其中的關鍵算法之一，是實現(xiàn)視頻智能化的重要技術，也是智能分析系統(tǒng)進行后續(xù)處理的必經(jīng)流程。對于目標檢測性能的提高、智能視頻系統(tǒng)性能提高都有重要幫助。單獨使用目標檢測算法也可對區(qū)域內(nèi)人體和車輛進行檢測和計數(shù)等，其重要性和前景不言而喻。
　　

2、 由P.Felzenszwalb提出的一種以混合的多尺度可變形的基于部件的模型為基礎的檢測算法，能夠檢測多樣變化的目標類型并且在Pascal目標檢測的挑戰(zhàn)中達到較高水平?；诓考臋z測算法是一種基于部分標記的樣本的、進行有區(qū)別訓練的新方法。該算法使用潛在值支持向量機(LSVM)，是一種在多實例支持向量機(MI-SVM)基礎上添加潛在變量而重新構建的支持向量機；通過解決半凸問題、構建隨機梯度下降算法來訓練模型參數(shù)，通過構建處理大量樣本的

3、數(shù)據(jù)挖掘算法來提取海量樣本中的信息。
　　 本設計完成的檢測器性能改進了P.Felzenszwalb最新的檢測模型的檢測性能，速度上也有較大提升，可以達到單線程下準實時(即200ms/幀)。本設計還構建實際場景的數(shù)據(jù)集對C語言實現(xiàn)的訓練和檢測代碼最終在實際場景上的檢測效果和性能做了分析。檢測結果顯示，經(jīng)過算法優(yōu)化、速度優(yōu)化和針對實際場景優(yōu)化的基于部件的檢測算法性能相對于標準的基于部件檢測算法有所改進和提升。本論文完成了對該算法實