基于整體特征的行人檢測(cè)方法研究.pdf

1、行人檢測(cè)技術(shù)是通過圖像和計(jì)算機(jī)視覺處理算法，對(duì)所給視頻或者圖片中的行人進(jìn)行智能分類識(shí)別。它是計(jì)算機(jī)視覺技術(shù)的具體應(yīng)用，如今有著廣泛的商業(yè)應(yīng)用價(jià)值。但由于行人的各個(gè)方面千變?nèi)f化，且行人所處背景環(huán)境、光照條件等復(fù)雜多變，使得行人檢測(cè)的實(shí)際應(yīng)用存在著巨大的挑戰(zhàn)。
　　在行人檢測(cè)領(lǐng)域，目前比較流行的是基于特征提取與機(jī)器學(xué)習(xí)相結(jié)合的方法。該方法結(jié)合了大量樣本數(shù)據(jù)，在一定程度上具有很好的魯棒性。因此，本文主要研究了基于特征提取與機(jī)器學(xué)習(xí)的模式

2、，并提出了兩種新穎的行人檢測(cè)算法。通過改進(jìn)HOG特征，并分別采用不同的分類器框架和算法來獲得最終檢測(cè)器，以便達(dá)到對(duì)行人的快速檢測(cè)。總的來講，主要工作體現(xiàn)在以下兩個(gè)方面：
　　(1)提出了基于簡(jiǎn)化的HOG特征與分類決策樹分類器相結(jié)合的檢測(cè)算法。針對(duì)HOG特征算法計(jì)算復(fù)雜的缺陷，將其進(jìn)行了適當(dāng)?shù)暮?jiǎn)化，即不再對(duì)塊圖像進(jìn)行細(xì)分為細(xì)胞。提取特征數(shù)據(jù)后，利用CART決策樹作為弱分類器，此類弱分類器具有簡(jiǎn)單快捷、分類準(zhǔn)確等優(yōu)點(diǎn)。然后采取Gent

3、leAdaboost來挑選精良弱分類器訓(xùn)練學(xué)習(xí)，得到最終的行人分類器模型。另外，研究了兩種經(jīng)典的檢測(cè)方法，并提出了融合其二者的檢測(cè)方法，最大程度上減少漏檢和誤檢，獲得了良好的實(shí)驗(yàn)結(jié)果。
　　(2)提出了一種基于多尺度特征和巴氏分類器級(jí)聯(lián)架構(gòu)的快速行人檢測(cè)算法。首先，將圖像劃分為很多不同單元格像素，統(tǒng)計(jì)每個(gè)單元格中4個(gè)方向的梯度直方圖。然后，通過改變這些單元格的尺度，從粗到細(xì)獲得更多的特征信息。由于統(tǒng)計(jì)直方圖時(shí)存在重復(fù)計(jì)算等過程，于