視頻圖像中的行人檢測(cè).pdf

1、行人檢測(cè)是目標(biāo)檢測(cè)的一個(gè)分支，它旨在將行人從連續(xù)的視頻幀或單幀圖像中準(zhǔn)確的定位并分割出來(lái)，是計(jì)算機(jī)視覺領(lǐng)域最為活躍也最富挑戰(zhàn)性的課題之一。本文對(duì)行人檢測(cè)算法的研究，旨在提升行人檢測(cè)在復(fù)雜場(chǎng)景下的應(yīng)用能力以及識(shí)別準(zhǔn)確性。
　　 在前人研究工作的基礎(chǔ)上，本文提出了以Haar-like與簡(jiǎn)化HOG特征描述行人，并結(jié)合Hough森林進(jìn)行行人檢測(cè)。本文所提出的方法首先采用背景差分，實(shí)現(xiàn)視頻中運(yùn)動(dòng)目標(biāo)的定位與抽取。為了提升目標(biāo)區(qū)域定位與抽取

2、的準(zhǔn)確性，使用了改進(jìn)的背景重建以及更新算法以提升背景差分的效果，隨后通過(guò)濾波、形態(tài)學(xué)處理對(duì)背景差分結(jié)果中的噪聲以及缺陷進(jìn)行處理，最終應(yīng)用基于顏色以及紋理特性的陰影檢測(cè)排除算法，實(shí)現(xiàn)了目標(biāo)區(qū)域的準(zhǔn)確抽取。
　　 為了得到更好的描述行人的特征，本文分別對(duì)Haar-like特征與HOG特征的構(gòu)建方式進(jìn)行了研究，選取了最為合適的構(gòu)建方式，并對(duì)Haar-like特征、HOG特征以及二者的融合特征進(jìn)行了性能比較，最終決定選用Haar-lik

3、e與簡(jiǎn)化HOG的融合特征作為本文描述行人的特征。
　　 本文首次將Hough森林應(yīng)用于目標(biāo)區(qū)域已獲取的行人識(shí)別中，將Hough投票結(jié)果作為衡量目標(biāo)區(qū)域是否為行人的標(biāo)準(zhǔn)。為了驗(yàn)證Hough森林的優(yōu)越性，本文還對(duì)人工神經(jīng)網(wǎng)絡(luò)和單類支持向量機(jī)進(jìn)行了研究，從復(fù)雜環(huán)境的適應(yīng)性以及識(shí)別效果的準(zhǔn)確性兩個(gè)方面對(duì)這三種分類器進(jìn)行了性能比較，并證實(shí)了Hough森林對(duì)于行人檢測(cè)工作具有更加優(yōu)秀的性能。
　　 實(shí)驗(yàn)證明，本文提出的以Haar-l