視頻場快速行人動態(tài)檢測算法與實現(xiàn).pdf

1、行人檢測是近年來人工智能和計算機(jī)視覺領(lǐng)域備受關(guān)注的前沿方向和研究熱點,但是還存在很多的難點有待解決;尤其是視頻監(jiān)控中的行人檢測,需要在保證檢測準(zhǔn)確率的前提下提高檢測速度,實現(xiàn)實時處理。本文對視頻監(jiān)控中的快速行人檢測相關(guān)技術(shù)進(jìn)行了研究,同時設(shè)計實現(xiàn)了基于視頻的快速行人檢測系統(tǒng)。
　　 為了能夠快速準(zhǔn)確地檢測視頻監(jiān)控中的行人,本文將行人檢測分為兩個階段:運動檢測和目標(biāo)分類。首先是運動檢測,快速得到視頻中的運動區(qū)域,從而減少下一步目標(biāo)

2、分類所處理的區(qū)域數(shù)目,以提高整體檢測速度;然后是目標(biāo)分類,使用分類器對運動區(qū)域進(jìn)行分類,從而排除非行人區(qū)域,檢測到準(zhǔn)確的行人位置。
　　 在運動檢測階段,本文研究一種改進(jìn)的幀差法FDMAT,其閾值與像素的灰度值變化相聯(lián)系,將閾值表示為當(dāng)前幀與前一幀像素灰度值之和的一個線性函數(shù)。這樣使閾值能夠隨著環(huán)境變化做出相應(yīng)的改變,可以有效提高對于運動速度較慢行人的檢測效果。
　　 在目標(biāo)分類階段,本文研究一種結(jié)合幀相關(guān)性的目標(biāo)分類方

3、法CFC。利用幀間行人區(qū)域的相關(guān)性結(jié)合級聯(lián)分類器進(jìn)行分類,可以有效加快分類速度,同時有效處理靜止行人和遮擋的問題。本文采用多尺度的HOG特征訓(xùn)練級聯(lián)結(jié)構(gòu)的分類器。多尺度的HOG特征可以在多個尺度上更好地描述行人特征,提高分類效果;而級聯(lián)結(jié)構(gòu)的分類器可以快速排除大量子窗口,提高分類速度。
　　 基于本文的行人檢測算法,設(shè)計實現(xiàn)了快速行人檢測系統(tǒng)。系統(tǒng)包括HOG分類器訓(xùn)練子系統(tǒng)和基于視頻的快速行人檢測子系統(tǒng),基于Visual C++