移動(dòng)場(chǎng)景動(dòng)目標(biāo)識(shí)別算法研究.pdf

1、移動(dòng)場(chǎng)景下的動(dòng)目標(biāo)識(shí)別技術(shù)屬于機(jī)器視覺(jué)的一個(gè)應(yīng)用分支，有著非常廣泛的應(yīng)用前景，行人檢測(cè)技術(shù)就是其一個(gè)具體應(yīng)用。隨著圖像技術(shù)與模式識(shí)別技術(shù)的發(fā)展，行人檢測(cè)技術(shù)已經(jīng)從理論研究階段走進(jìn)了我們的生活中。在智能監(jiān)控，汽車(chē)輔助駕駛系統(tǒng)，智能機(jī)器人等領(lǐng)域有著廣泛的應(yīng)用。當(dāng)前行人檢測(cè)技術(shù)主要分為兩大類(lèi)：基于先驗(yàn)知識(shí)的檢測(cè)和基于機(jī)器學(xué)習(xí)的檢測(cè)。而在機(jī)器學(xué)習(xí)領(lǐng)域中，又以集成學(xué)習(xí)最為熱點(diǎn)。
　　 本文首先設(shè)計(jì)了一個(gè)基于先驗(yàn)知識(shí)的行人檢測(cè)算法。選用人體

2、的對(duì)稱(chēng)性與頭肩部輪廓這一對(duì)非常獨(dú)特且具有一定魯棒性的特征，利用基于尋找行人對(duì)稱(chēng)軸與頭肩部輪廓匹配的方法，在校園道路背景下準(zhǔn)確而快速的完成了行人的檢測(cè)。針對(duì)基于先驗(yàn)知識(shí)的行人檢測(cè)算法泛化性差的問(wèn)題，設(shè)計(jì)了一個(gè)基于單獨(dú)機(jī)器學(xué)習(xí)的行人檢測(cè)算法。該算法針對(duì)Dalal算法中HOG特征塊過(guò)小只能描述細(xì)節(jié)特征的缺點(diǎn)，提出了既能描述細(xì)節(jié)特征又能描述整體與局部特征的變尺寸HOG特征：并針對(duì)變尺寸HOG特征維數(shù)過(guò)大問(wèn)題，利用Fisher準(zhǔn)則給出了特征挑選機(jī)

3、制，最后使用線(xiàn)性SVM進(jìn)行分類(lèi)。實(shí)驗(yàn)表明，在分類(lèi)準(zhǔn)確率基本不變的情況下，將Dalai算法的檢測(cè)時(shí)間從1s降低到397ms。針對(duì)Dalal改進(jìn)算法中的“實(shí)時(shí)性”問(wèn)題與“代價(jià)敏感”問(wèn)題，分別提出了“Cascade”級(jí)聯(lián)結(jié)構(gòu)與“風(fēng)險(xiǎn)敏感”支持向量機(jī)的分類(lèi)方法。對(duì)于級(jí)聯(lián)結(jié)構(gòu)的每一級(jí)分類(lèi)器的訓(xùn)練，分別使用了基于Fisher準(zhǔn)則預(yù)判斷和基于Adaboost集成學(xué)習(xí)的方法。在MIT行人數(shù)據(jù)庫(kù)上的實(shí)驗(yàn)表明：在誤檢率為1/1000時(shí)，檢測(cè)率分別可以達(dá)到9