基于特征提取的快速行人檢測(cè)方法研究.pdf

1、行人檢測(cè)是計(jì)算機(jī)視覺(jué)領(lǐng)域的熱門問(wèn)題之一,近年來(lái)得到越來(lái)越多的關(guān)注。其相關(guān)技術(shù)是目前計(jì)算機(jī)視覺(jué)和模式識(shí)別研究中的難點(diǎn)和前沿問(wèn)題,具有重大的學(xué)術(shù)意義和廣闊的市場(chǎng)應(yīng)用前景。但由于行人受光照、復(fù)雜背景、關(guān)節(jié)位置以及遮擋等因素的影響而呈現(xiàn)出各種各樣的外觀,因此實(shí)時(shí)魯棒地在真實(shí)場(chǎng)景中檢測(cè)出行人,挑戰(zhàn)極大。目前還沒(méi)有一個(gè)通用的,健壯的,精確的,高性能的和實(shí)時(shí)的行人檢測(cè)算法。針對(duì)行人檢測(cè)的精確性以及高性能的檢測(cè)算法,本文開(kāi)展了如下四個(gè)方面的研究工作:<

2、br>　　 1、研究各種圖像特征算子,提出基于雙線性插值的Shape Context特征,在一定程度上平滑原算法對(duì)于邊緣噪聲,以及突變情況的影響,提高描述子表述能力。并應(yīng)用于行人檢測(cè)算法中,分析Shape Context算子在行人檢測(cè)中的實(shí)用性。
　　 2、本文基于HOG特征算子,結(jié)合HIK SVM快速訓(xùn)練和快速分類的思想,針對(duì)目前行人檢測(cè)算法時(shí)效性問(wèn)題,設(shè)計(jì)行人檢測(cè)算法。利用直方圖相交核對(duì)于目前最為流行的直方圖特征有著良好的

3、分類效果的優(yōu)點(diǎn),結(jié)合HIK快速計(jì)算方法進(jìn)行滑動(dòng)窗口檢測(cè)；使用非極大抑制的窗口融合算法,實(shí)現(xiàn)行人的準(zhǔn)確定位,在保證行人檢測(cè)精度的同時(shí),提高檢測(cè)的速度。
　　 3、提出基于HIK SVM的多特征融合行人檢測(cè)算法。針對(duì)HOG只利用圖像梯度信息的缺點(diǎn),本文采用基于LBP紋理信息特征與梯度信息相結(jié)合的多特征融合行人檢測(cè)方法,以便結(jié)合兩者各自的優(yōu)點(diǎn),更好的表達(dá)行人特征；并且采用兩種特征的積分圖快速計(jì)算方式,提高整個(gè)檢測(cè)算法的效率。實(shí)驗(yàn)結(jié)果表

4、明,采用多特征融合的方法可以提高行人的檢測(cè)率。
　　 4、提出基于CUDA架構(gòu),行人檢測(cè)的多線程處理方法,進(jìn)一步提高行人檢測(cè)方法的效率,充分利用GPU在并行數(shù)據(jù)運(yùn)算上具有強(qiáng)大計(jì)算能力的特點(diǎn)。在整個(gè)滑動(dòng)窗口檢測(cè)過(guò)程中,對(duì)特征提取以及分類器檢測(cè)部分設(shè)計(jì)相應(yīng)多線程處理核函數(shù),充分進(jìn)行并行運(yùn)算,在更大程度上提高檢測(cè)速度。
　　 本文基于以上幾部分研究工作,設(shè)計(jì)了完善的行人檢測(cè)算法。通過(guò)實(shí)驗(yàn)分析,整個(gè)算法在保證行人檢測(cè)準(zhǔn)確度的同時(shí)