基于特征融合的行人檢測研究.pdf

1、行人檢測是目前計算機視覺領(lǐng)域的研究熱點之一，它在智能機器人、智能交通、人體姿態(tài)估計等多個方面有著廣泛應用前景，隨著科學技術(shù)的發(fā)展，近年來也應用在航拍圖像和受害者營救等新興領(lǐng)域中。行人檢測處于智能系統(tǒng)的底層，是后續(xù)高級處理的基礎(chǔ)，如目標分割、姿態(tài)估計等。由于拍攝場景的復雜性、拍攝視角與尺度的變換以及行人的著裝與身材的大小等因素，使得行人檢測具有極大的挑戰(zhàn)性。
　　 隨著研究的不斷深入，研究人員提出了各種行人檢測方法，包括韋伯局部描

2、述子（WeberLocalDescriptor,WLD）局部二元模式特征(LocalBinaryPattern，LBP)、基于梯度方向直方圖(HistogramofOrientedGradient)檢測子、類似形狀檢測子、基于部件的檢測方法、多特征融合的行人檢測方法等。上述方法都是基于統(tǒng)計分類的方法進行檢測，這類方法主要由兩個部分組成:提取特征和分類器設(shè)計。特征提取的目的是降低數(shù)據(jù)的維數(shù)，得到能反映行人特征的特征向量;分類器設(shè)計屬于機器

3、學習領(lǐng)域的范疇，其目的是得到分類效果好、計算速度快、泛化能力強的分類器。
　　 本文對行人檢測技術(shù)的研究現(xiàn)狀進行總結(jié)與分析，在此基礎(chǔ)上，對特征描述、分類器訓練性能的改善方面進行了研究。論文的主要貢獻如下:
　　 1.改進的WLD與LBP特征融合的行人檢測
　　 傳統(tǒng)的WLD特征提取方法，隨著分塊數(shù)和方向劃分增加，提取速度成倍減慢，針對這一現(xiàn)象，本文提出了改進的WLD特征提取方法，改進后的方法，在特征的維數(shù)上并沒有

4、改變，但是特征提取速度卻提升4.5倍。針對單一特征對圖像紋理特征或者空間特征表現(xiàn)的局限性以及對光照和其它噪聲影響魯棒性不足的缺點，本文首次提出了改進的WLD特征與LBP特征融合的行人檢測方法。該算法提取得到的WLD-LBP特征既具有LBP特征計算速度的優(yōu)點，又有WLD特征對光照等噪聲具有很好的魯棒性的優(yōu)點，從而更加全面的描述了圖像的紋理信息。在此基礎(chǔ)上，借助SVM(SupportVectorMachine)分類器實現(xiàn)了WLD與LBP特征

5、融合的行人檢測。
　　 基于SVM分類器的行人檢測實驗表明:WLD-LBP特征在行人檢測性能上優(yōu)于單獨的WLD特征、單獨的LBP特征和HOG特征的目標描述。
　　 2.基于多分辨率的WLD特征的行人檢測
　　 針對WLD特征對目標形狀描述的不足，本文在改進的WLD特征的基礎(chǔ)上，提出了多分辨率的WLD特征。首先對目標圖像進行多級空間劃分，實現(xiàn)從平面到空間、由粗到細的多尺度目標特征提取，從而更加全面描述目標形狀信息: