基于視頻流的快速行人檢測技術(shù)的研究.pdf

1、行人檢測一直是計(jì)算機(jī)視覺領(lǐng)域中熱門問題之一，雖然經(jīng)歷了幾十年的發(fā)展，但仍然有很多需要解決的問題。作為計(jì)算機(jī)視覺的基礎(chǔ)問題之一，它的性能往往會(huì)制約更高層次的計(jì)算機(jī)視覺問題的解決，如姿勢(shì)估計(jì)、行人目標(biāo)跟蹤等。因此，行人檢測仍然是計(jì)算機(jī)視覺的熱點(diǎn)問題。行人檢測系統(tǒng)優(yōu)劣往往以兩個(gè)指標(biāo)進(jìn)行衡量，一個(gè)是檢測的準(zhǔn)確率，一個(gè)是檢測的速度。目前學(xué)術(shù)界研究重點(diǎn)仍然偏向檢測的準(zhǔn)確率，但是工業(yè)界則更關(guān)心行人檢測的速度。目前行人檢測的準(zhǔn)確率已經(jīng)比較高然而檢測速度

2、卻很沒有達(dá)到期望的效果。文章的目標(biāo)就是對(duì)行人檢測系統(tǒng)在不降低檢測準(zhǔn)確率的前提下對(duì)行人檢測速度的提升進(jìn)行研究探索。文章的主要工作如下：
　　基于視頻流的行人檢測，利用高斯混合模型將視頻序列信息與傳統(tǒng)的基于圖像的行人檢測方法相結(jié)合。高斯混合模型用來提取前景，并把前景視為應(yīng)用行人檢測的感興趣區(qū)域，這樣就能夠減少行人檢測的區(qū)域，從而提升整個(gè)行人檢測系統(tǒng)的檢測速度和檢測精度。
　　提出利用主成分分析(PCA)對(duì)梯度方向直方圖(HOG)

3、特征進(jìn)行降維，這樣能夠提升分類速度，從而進(jìn)一步提升行人檢測速度。文章還重點(diǎn)討論了降維后的維度選擇，以及最優(yōu)維度的評(píng)價(jià)規(guī)則。實(shí)驗(yàn)表明PCA-HOG比傳統(tǒng)HOG特征在利用支持向量機(jī)分類階段的分類速度提升了近百倍。
　　文章介紹了支持向量機(jī)的分類原理和算法實(shí)現(xiàn)，并利用支持向量機(jī)對(duì)行人特征進(jìn)行分類從而實(shí)現(xiàn)行人檢測。其中分別討論了文章中模型在基于視頻序列與基于圖像的檢測效果和檢測速度。
　　最后詳細(xì)描述了其它行人檢測文章經(jīng)常忽略的步驟

4、：檢測窗口的融合。文章把檢測窗口融合問題轉(zhuǎn)化為在數(shù)據(jù)中尋找聚類中心的問題，最后利用 Mean Shift算法解決該問題，大量實(shí)驗(yàn)同時(shí)論證了基于Mean Shift的窗口融合的有效性。
　　實(shí)驗(yàn)表明，文章提出的快速行人檢測系統(tǒng)在基于視頻與基于圖像的行人檢測中在不降低基于檢測精度的同時(shí)，相較于傳統(tǒng)的基于HOG的行人檢測系統(tǒng)速度上均有一定程度的提高。此外，還詳細(xì)描述了行人檢測系統(tǒng)的各個(gè)步驟以及后期處理，對(duì)基于目標(biāo)檢測的工程項(xiàng)目具有一定的