面向低分辨監(jiān)控場(chǎng)景的行人檢測(cè)與超分辨重建算法研究.pdf

1、對(duì)低質(zhì)量視頻序列的行人目標(biāo)進(jìn)行檢測(cè)和高分辨重建是伴隨著近些年來(lái)提出來(lái)的物聯(lián)網(wǎng)互聯(lián)互通的概念而產(chǎn)生的新需求，智能化的信息集成處理有依賴于這些前端檢測(cè)和處理的信息輸入。高質(zhì)量和有效的圖像目標(biāo)可以為后續(xù)的應(yīng)用提供很好的支持，包括目標(biāo)檢索，匹配認(rèn)證等等。因此本文針對(duì)監(jiān)控?cái)z像，手機(jī)攝像等獲取的低分辨圖像序列，從中檢測(cè)分割出對(duì)應(yīng)的行人目標(biāo)，并進(jìn)而對(duì)其進(jìn)行高分辨重建，得到相對(duì)清晰的目標(biāo)圖像版本。這里，我們只針對(duì)檢測(cè)分割后的目標(biāo)圖像序列進(jìn)行超分重建，由

2、此將會(huì)帶來(lái)速度以及重建質(zhì)量的提升，我們也會(huì)在相應(yīng)章節(jié)中設(shè)計(jì)相應(yīng)的實(shí)驗(yàn)來(lái)進(jìn)行說(shuō)明。
　　 本文首先研究了適合用來(lái)在低分辨圖像序列下進(jìn)行行人目標(biāo)檢測(cè)的算法，由于很多現(xiàn)有的檢測(cè)算法都只針對(duì)像素分辨度較高的行人圖像，無(wú)法適應(yīng)本文所需要解決的應(yīng)用場(chǎng)景。為此，我們采用了對(duì)低分辨場(chǎng)景具有魯棒性的基于局部人體構(gòu)件的行人檢測(cè)方法。這種方法通過(guò)預(yù)先標(biāo)記人體關(guān)鍵點(diǎn)聚類相應(yīng)的人體構(gòu)件訓(xùn)練樣本，通過(guò)針對(duì)這些局部構(gòu)件單獨(dú)訓(xùn)練出子檢測(cè)器后，再對(duì)目標(biāo)圖像分別進(jìn)

3、行檢測(cè)，通過(guò)整合多個(gè)子檢測(cè)器的檢測(cè)結(jié)果，我們就可以獲取比較好的檢測(cè)總體性能。針對(duì)本文的應(yīng)用場(chǎng)景，我們?cè)O(shè)計(jì)了一系列優(yōu)化子檢測(cè)器信息融合的改進(jìn)方案，充分利用每一個(gè)子檢測(cè)器的檢測(cè)結(jié)果。另外，分割目標(biāo)的準(zhǔn)確性也尤為重要，因此我們也優(yōu)化了原有的檢測(cè)框估計(jì)方法，使得到的檢測(cè)框定位更加精確。
　　 另外本文還研究了針對(duì)檢測(cè)后目標(biāo)行人圖像序列的超分重建方法，因?yàn)樾腥四繕?biāo)具有局部移動(dòng)性和圖像低質(zhì)模糊的特點(diǎn)，重建之前所進(jìn)行的配準(zhǔn)過(guò)程往往會(huì)產(chǎn)生很多重

4、建奇異點(diǎn)，這在重建較為快速運(yùn)動(dòng)的行人目標(biāo)時(shí)尤為明顯，為此我們首先針對(duì)重建奇異點(diǎn)這一塊提出了一種基于MAP(Maximum A Posteriori)的反向投影方法，利用幀間和幀內(nèi)的兩部分相關(guān)性設(shè)計(jì)分類器來(lái)分別處理重建奇異點(diǎn)，使得多個(gè)圖像的信息得到最有效的融合。另外，我們還研究了能夠維持圖像邊緣特性的正則化項(xiàng)，主要是利用了雙邊全變差濾波器本身具有的紋理分析和快速運(yùn)算能力，設(shè)計(jì)好相應(yīng)的自適應(yīng)參數(shù)之后就可以有效自適應(yīng)圖像的局部結(jié)構(gòu)差異性。最后