基于多特征和級聯(lián)分類器的人體檢測算法.pdf_第1頁
已閱讀1頁,還剩67頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

1、人體檢測是模式識別與計算機視覺領域中研究的熱點,具有較強的理論意義和應用價值,如:機器人視覺、智能視頻監(jiān)控和人體行為分析等。目前,人體檢測算法已經取得一定的研究成果,但因為人體的姿態(tài)、外觀多樣性、遮擋及背景復雜等問題,導致傳統(tǒng)算法不能很好的平衡實時性、魯棒性和準確性。本文針對這一問題,設計了一種多特征和級聯(lián)分類器的快速魯棒人體檢測算法,算法分為假設產生階段和假設驗證階段。本文的主要工作和創(chuàng)新點如下:
  1、總結并掌握人體檢測步驟

2、,方法,并詳細介紹基于特征描述的人體檢測算法,分析并比較了各種算法的優(yōu)缺點。
  2、假設產生階段,針對多尺度方向特征對復雜背景的人體邊緣輪廓特征描述不足的問題,改進了多尺度方向特征,稱為“擴展的多尺度方向特征”,即在原有特征塊的基礎上增加兩個特征塊,并將提取人體特征的窗口數(shù)由8個減少到2個。再利用Adaboost算法訓練粗級分類器,篩選出可能存在人體的區(qū)域。
  3、假設驗證階段,設計了用于描述人體特征的多尺度全局梯度方向

3、直方圖特征,并針對其維數(shù)大,計算復雜度高等缺點,將“競爭編碼”(Winner Take All Hash Code)引入到特征編碼中,稀疏化特征向量,去除冗余信息,提高計算速度,再利用交叉核支持向量機(Intersection Kernel Support Vector Machines, IKSVM)機制訓練精級分類器,精確定位人體目標。
  4、在INRIA和TUD-Brussels公共測試集上進行實驗,并與國際其他優(yōu)秀算法對

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論