基于支持向量機的行人檢測.pdf

1、行人檢測是智能交通、智能監(jiān)控、多媒體檢索等領(lǐng)域的基本組成部分。針對上述廣泛的應(yīng)用,行人檢測技術(shù)已經(jīng)成為計算機視覺領(lǐng)域的熱門研究對象。然而,行人的姿念、外貌、數(shù)量、方向、運動以及場景的遮擋和光照變化等因素均會影響檢測的性能。本文使用梯度方向直方圖(HOG)和局部二值模式(LBP)的混合特征訓(xùn)練行人分類器,并運用幀差法運動歷史圖像加速視頻中行人檢測的速度。
　　 (1)基于支持向量機的行人檢測方法
　　 本文采用梯度方向直方

2、圖(HOG)和局部二值模式(LBP)作為特征,使用線性支持向量機(SVM)進行訓(xùn)練,實現(xiàn)了對行人的檢測。通過大量對比實驗表明:梯度方向直方圖(HOG)和局部二值模式(LBP)聯(lián)合特征能更好表征行人,訓(xùn)練得到的行人分類器具有更好的健壯性和有效性,對于小尺寸、不同姿態(tài)和不同穿著的行人均具有較強的檢測能力,由于采用了積分圖法計算HOG特征,使得我們的檢測速度大幅提升。
　　 (2)基于視頻的快速行人檢測
　　 在視頻檢測中,由

3、于視頻的幀間連續(xù)性,我們采用幀間差分法和運動歷史圖像,先取得運動區(qū)域,然后在此基礎(chǔ)上采用(1)中訓(xùn)練得到的行人分類器檢測行人。運動歷史圖像和幀差法對視頻運動區(qū)域有很好的描述作用,檢測得到的運動區(qū)域聯(lián)合前幀的檢測位置,共同組成當(dāng)前幀待檢測區(qū)域。這種方法可以使視頻中行人檢測的速度大幅度提升。
　　 通過實驗,本文采用的HOG+LBP特征具有良好的行人表征能力。在基于視頻的行人檢測中,我們采用的先對視頻獲取運動區(qū)域,再進行檢測的算法,