基于稀疏表示方法的行人檢測研究.pdf

1、隨著智能汽車、智能監(jiān)控和多媒體技術的不斷發(fā)展，行人檢測研究受到越來越多的關注。行人檢測也就是利用智能化手段，從圖像或視頻中自動的識別出行人，通過計算機視覺、數(shù)字圖像處理等相關技術，能夠在計算機上實現(xiàn)行人檢測。但是現(xiàn)在行人檢測技術仍不夠完善，同時也存在著許多不利檢測的難點，例如復雜的背景，角度的不同，光照的變化，非剛體輪廓變形等問題。這些難點使行人檢測在實際應用中不能達到很好的效果。本文在綜合分析國內(nèi)外已有的行人檢測方法基礎上，利用行人特

2、性，提取相應的融合特征，并用基于行人結構的稀疏表示對融合特征進行稀疏學習，從而提高行人的檢測率。具體包括如下內(nèi)容:
　　 (1)提出一種基于融合特征的行人檢測方法。該方法在統(tǒng)計學習的基礎上，充分考慮到人體部位所有具有的特殊性，來進行行人圖像的梯度方向直方圖(HistogramsofOrientedGradient，簡稱HOG)、顏色和紋理融合特征的提取，其中顏色、紋理特征分別采用顏色頻率特征和Tamura提出的紋理特征的粗糙度、

3、方向度和對比度三種屬性。在提取融合特征時，將行人圖像按塊均分，分別提取相應的三種特征，然后進行歸一化處理，并將其串聯(lián)成塊內(nèi)融合特征向量，接著將所有塊融合特征向量串聯(lián)組合成整幅圖像的融合特征向量，最后訓練支持向量機(SupportVectorMachine，SVM)分類器，進行行人識別。該方法充分考慮到了行人的形狀、顏色和紋理信息，能夠更加準確的檢測出行人。
　　 (2)提出一種基于行人結構的稀疏表示算法。該方法通過分析由平滑凸損

4、失和懲罰函數(shù)兩部分組成的稀疏表示優(yōu)化問題，通過改變懲罰函數(shù)的構成來將圖像的結構信息加入到稀疏表示中，然后根據(jù)行人圖像的內(nèi)部結構特性，在GroupLasso的基礎上，將行人人體根據(jù)整體和局部的特征按組劃分，并將這些劃分的組構成一個4層多叉樹，該多叉樹同一層次的節(jié)點之間是互不重復的，而其中非根節(jié)點屬于它的父節(jié)點，將這種多叉樹結構通過稀疏表示的懲罰項加入到稀疏表示中，構造出基于行人結構的稀疏表示，從而使該稀疏表示更加有利于行人的檢測。

5、　　 (3)提出一種基于行人結構稀疏表示的行人檢測方法。該方法充分考慮到稀疏表示有利于分類的特性，并結合行人圖像的內(nèi)部結構，利用基于行人結構的稀疏表示對行人的融合特征向量進行結構稀疏學習。在稀疏表示過程中，字典是由訓練集的融合特征按照一定的排列順序構造成的。在用稀疏化的融合特征向量訓練SVM分類器時，需要訓練兩次SVM分類器，即初始SVM分類器和最終SVM分類器，其中在訓練最終SVM分類器時，字典是用加入困難負樣本后的新訓練集構造成的