基于LBP和相位一致信息的行人檢測算法研究.pdf

1、因為行人檢測是車輛輔助駕駛、智能視頻監(jiān)控和人體行為分析等應(yīng)用中的第一步,所以行人檢測一直是計算機視覺中的研究熱點。由于行人是一個多自由度非剛性體的對象,外觀易受穿著、姿態(tài)、遮擋、視角以及照明等影響,如何有效的檢測行人仍是具有挑戰(zhàn)性的課題。目前行人檢測技術(shù)中最常用的方法是基于統(tǒng)計分類的檢測方法,該方法的核心任務(wù)是合理的選擇特征和分類器訓(xùn)練算法。特征應(yīng)具有這樣的性質(zhì):來自同一類別的不同樣本的特征值應(yīng)該非常相近,而來自不同類別的樣本的特征值應(yīng)

2、該有很大的差異。分類器要有很好的學(xué)習(xí)和泛化能力,能夠得到全局最優(yōu)解?；诮y(tǒng)計分類的檢測方法首先對樣本進(jìn)行特征提取,再利用機器學(xué)習(xí)的方法從大量特征中選擇出能夠有效描述行人的特征,并訓(xùn)練出相應(yīng)的分類器,最后利用該分類器進(jìn)行檢測,這也是本文采用的方法。
　　本文詳細(xì)介紹了圖像的相位一致性特征(Phase Congruency feature),并將其應(yīng)用到了行人檢測中,相位一致性特征描述的是行人的輪廓信息。為了更有效的描述行人特征,本文

3、還提取了行人圖像的局部二值模式算子(LBP)特征,LBP特征表征了行人圖像的紋理特征。本文將相位一致性特征和LBP特征相結(jié)合,從而使算法既能描述行人的整體特征,也能夠描述行人的細(xì)節(jié)特征。在分類器的選擇上,我們使用支持向量機(SVM)進(jìn)行分類,SVM是基于結(jié)構(gòu)風(fēng)險最小化準(zhǔn)則的新型機器學(xué)習(xí)算法,對小樣本問題具有很好的學(xué)習(xí)與泛化能力。另外,由于支持向量機算法是一個凸優(yōu)化問題,因此局部最優(yōu)解一定是全局最優(yōu)解,可以防止過學(xué)習(xí)。
　　在對大尺