基于多特征和級聯(lián)分類器的人體檢測算法.pdf

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