基于視頻流的快速行人檢測技術(shù)的研究.pdf

1、行人檢測一直是計算機視覺領(lǐng)域中熱門問題之一，雖然經(jīng)歷了幾十年的發(fā)展，但仍然有很多需要解決的問題。作為計算機視覺的基礎(chǔ)問題之一，它的性能往往會制約更高層次的計算機視覺問題的解決，如姿勢估計、行人目標跟蹤等。因此，行人檢測仍然是計算機視覺的熱點問題。行人檢測系統(tǒng)優(yōu)劣往往以兩個指標進行衡量，一個是檢測的準確率，一個是檢測的速度。目前學術(shù)界研究重點仍然偏向檢測的準確率，但是工業(yè)界則更關(guān)心行人檢測的速度。目前行人檢測的準確率已經(jīng)比較高然而檢測速度

2、卻很沒有達到期望的效果。文章的目標就是對行人檢測系統(tǒng)在不降低檢測準確率的前提下對行人檢測速度的提升進行研究探索。文章的主要工作如下：
　　基于視頻流的行人檢測，利用高斯混合模型將視頻序列信息與傳統(tǒng)的基于圖像的行人檢測方法相結(jié)合。高斯混合模型用來提取前景，并把前景視為應用行人檢測的感興趣區(qū)域，這樣就能夠減少行人檢測的區(qū)域，從而提升整個行人檢測系統(tǒng)的檢測速度和檢測精度。
　　提出利用主成分分析(PCA)對梯度方向直方圖(HOG)

3、特征進行降維，這樣能夠提升分類速度，從而進一步提升行人檢測速度。文章還重點討論了降維后的維度選擇，以及最優(yōu)維度的評價規(guī)則。實驗表明PCA-HOG比傳統(tǒng)HOG特征在利用支持向量機分類階段的分類速度提升了近百倍。
　　文章介紹了支持向量機的分類原理和算法實現(xiàn)，并利用支持向量機對行人特征進行分類從而實現(xiàn)行人檢測。其中分別討論了文章中模型在基于視頻序列與基于圖像的檢測效果和檢測速度。
　　最后詳細描述了其它行人檢測文章經(jīng)常忽略的步驟

4、：檢測窗口的融合。文章把檢測窗口融合問題轉(zhuǎn)化為在數(shù)據(jù)中尋找聚類中心的問題，最后利用 Mean Shift算法解決該問題，大量實驗同時論證了基于Mean Shift的窗口融合的有效性。
　　實驗表明，文章提出的快速行人檢測系統(tǒng)在基于視頻與基于圖像的行人檢測中在不降低基于檢測精度的同時，相較于傳統(tǒng)的基于HOG的行人檢測系統(tǒng)速度上均有一定程度的提高。此外，還詳細描述了行人檢測系統(tǒng)的各個步驟以及后期處理，對基于目標檢測的工程項目具有一定的