基于DPM和XCF的行人檢測(cè)算法改進(jìn)和系統(tǒng)實(shí)現(xiàn).pdf

1、行人檢測(cè)技術(shù)是計(jì)算機(jī)視覺(jué)領(lǐng)域中的研究重點(diǎn)和難點(diǎn)，在視頻監(jiān)控，智能交通等領(lǐng)域有較大的應(yīng)用前景。但是有兩點(diǎn)制約了行人檢測(cè)技術(shù)的應(yīng)用：其一在于行人目標(biāo)是非剛體目標(biāo)，容易發(fā)生形變并且容易與環(huán)境中的物體發(fā)生遮擋，導(dǎo)致檢測(cè)精度差；其二是一般行人檢測(cè)算法實(shí)時(shí)性差，限制了其應(yīng)用場(chǎng)景。本文研究了兩種主流的行人檢測(cè)算法，并在這兩種算法的基礎(chǔ)上提出了融合和改進(jìn)方法。
　　可變形部件模型是行人檢測(cè)領(lǐng)域中一種成功的算法，它使用可變形的部件有效對(duì)抗了遮擋和形

2、變問(wèn)題。基于通道特征的行人檢測(cè)算法同樣是近年來(lái)研究的熱點(diǎn)，其自然的特征融合特性能充分挖掘各類型特征的優(yōu)勢(shì)，同時(shí)結(jié)合快速的特征金字塔構(gòu)建方法達(dá)到了較快的檢測(cè)速度。本人研究了上述行人檢測(cè)算法優(yōu)勢(shì)和劣勢(shì)，提出了幾點(diǎn)改進(jìn)和創(chuàng)新，主要有：
　?。?）針對(duì)行人檢測(cè)算法精度不足問(wèn)題，提出在多種行人檢測(cè)算法的檢測(cè)得分基礎(chǔ)上進(jìn)行融合。本文研究了基于匹配層的信息融合理論以及各種應(yīng)用方法，并應(yīng)用于行人檢測(cè)算法中，仿真實(shí)驗(yàn)結(jié)果證明整體的誤檢率和漏檢率均有

3、大幅降低。
　?。?）針對(duì)部件模型可以對(duì)抗遮擋和形變問(wèn)題以及基于通道特征的檢測(cè)算法具有速度優(yōu)勢(shì)。本文提出在通道特征基礎(chǔ)上應(yīng)用簡(jiǎn)單的部件模型，通過(guò)應(yīng)用合適的部件模型，可以在提高檢測(cè)精度同時(shí)維持較高的檢測(cè)速度。
　　（3）針對(duì)聚合通道特征的多個(gè)特征通道使用多種特征分析方法，發(fā)現(xiàn)其中存在無(wú)效冗余的特征，通過(guò)在訓(xùn)練過(guò)程中抑制這些特征在分類器中的作用能一定程度上提高算法的性能。
　　最后本文構(gòu)建了一個(gè)行人檢測(cè)系統(tǒng)，針對(duì)監(jiān)控場(chǎng)景分