基于分類器算法的行人檢測研究.pdf

1、視頻圖像中的行人檢測問題是計算機視覺領(lǐng)域中的重要課題之一，由于其在智能駕駛、安全監(jiān)控、軍事偵察等方面應(yīng)用的廣泛性，行人檢測問題在學(xué)術(shù)界和工業(yè)界一直是研究的難點與熱點。但是行人檢測問題存在著諸多挑戰(zhàn)：如何確定行人在視頻圖像中的運動區(qū)域，如何對行人在視頻圖像中進行恰當(dāng)?shù)谋磉_，如何實現(xiàn)行人檢測器的構(gòu)造，要達到實用性較強的行人檢測效果，這幾個方面必須均有良好的算法支撐。
　　目前，在行人檢測課題上的研究前人已經(jīng)有了一定的工作基礎(chǔ)，在某些不

2、復(fù)雜的場景下行人檢測效果基本能夠達到較好的指標(biāo)，但是在更為復(fù)雜的應(yīng)用場景下，主要在動態(tài)背景與行人有部分遮擋時，前人的行人檢測算法表現(xiàn)均難以達到實用性的要求。
　　為進一步提高行人檢測效果，并在一定程度上改善在動態(tài)背景下以及有局部遮擋情況下行人檢測困難的問題，本文從行人檢測所涉及到的運動前景提取、特征設(shè)計與分類算法各方面進行改進和研究。
　　1.在行人運動前景區(qū)域的提取中，對一種運動前景提取效果優(yōu)秀的方法提出了改進與優(yōu)化，對原

3、方法基于兩個深度自編碼網(wǎng)絡(luò)對視頻圖像中背景進行提取與學(xué)習(xí)的過程增加了隨機噪聲輸入，以及使用背景學(xué)習(xí)網(wǎng)絡(luò)的輸出對背景提取網(wǎng)絡(luò)進行修正，進而提取運動前景，通過對網(wǎng)絡(luò)結(jié)構(gòu)的改進得到更魯棒的前景提取算法；
　　2.在圖像中行人的特征設(shè)計與提取中，通過對行人檢測中常用的特征分析對比，采用對行人特征刻畫較優(yōu)且編碼簡潔的CENTRIST特征，并且對該特征提出針對于行人部分遮擋問題的改進，使用行人部件的局部聯(lián)合CENTRIST特征代替行人整體CE

4、NTRIST特征，實驗也證實了重新構(gòu)造的行人特征在局部遮擋下具有更強的不變性；
　　3.在分類算法的設(shè)計中，提出了一種多自編碼網(wǎng)絡(luò)與支持向量機的行人檢測分類器算法。為了保持行人特征各部件之間的獨立性，針對行人局部聯(lián)合特征的處理提出一種采用多個深度自編碼網(wǎng)絡(luò)的結(jié)構(gòu)，對行人不同部件特征分量分別通過各自對應(yīng)的深度自編碼網(wǎng)絡(luò)進行壓縮編碼，特征強化的同時也得到了進一步的抽象，將不同的分類器算法思想進行交叉融合，深度神經(jīng)網(wǎng)絡(luò)與支持向量機進行組