基于深度圖的人體檢測(cè)算法研究.pdf

1、人體檢測(cè)是人體跟蹤、行為分析、人機(jī)交互、增強(qiáng)現(xiàn)實(shí)等眾多應(yīng)用的基礎(chǔ)。隨著Kinect和RealSense等消費(fèi)級(jí)深度傳感器的發(fā)布，深度數(shù)據(jù)的獲取變得簡(jiǎn)單化。深度圖像的光照不變性等獨(dú)特優(yōu)點(diǎn)吸引了研究人員的注意，因此深度圖人體檢測(cè)逐漸成為人體檢測(cè)的研究熱點(diǎn)。
　　為了取得更好的檢測(cè)效果，可以從兩個(gè)層面展開研究。第一個(gè)層面是設(shè)計(jì)區(qū)分度更好的特征提取算法，第二個(gè)層面是融合利用多種特征。
　　首先，針對(duì)如何提取區(qū)分度高的深度圖特征問題。

2、本文以彩色圖像中的局部方向模式特征為基礎(chǔ)，考慮到深度差異的正負(fù)代表了深度變化的方向性，將彩色圖中不帶符號(hào)的局部方向模式特征改進(jìn)為帶符號(hào)的特征，然后針對(duì)現(xiàn)有特征編碼方式往往只考慮局部特征分布的缺點(diǎn)，本文根據(jù)人體自身結(jié)構(gòu)特點(diǎn)提出了適合人體結(jié)構(gòu)的空間金字塔編碼方式，提出了空間金字塔局部方向模式特征，實(shí)驗(yàn)結(jié)果表明，本文提出的這種特征在檢測(cè)性能上優(yōu)于現(xiàn)有的單一特征算法。
　　其次，本文從特征級(jí)和決策級(jí)融合兩個(gè)層面對(duì)特征融合展開研究。在特征級(jí)