基于圖像的行人檢測系統(tǒng)研究.pdf

1、行人檢測在智能監(jiān)控和智能交通等智能系統(tǒng)中的巨大商業(yè)價值使其成為目標(biāo)檢測領(lǐng)域中非常熱門的一個方向。行人的非剛體性和多樣性等特點大大提高了有效檢測行人的難度。行人檢測系統(tǒng)一般分為基于視頻和基于靜態(tài)圖像兩個方向，本文主要針對后者進行研究，研究方向主要在于提高系統(tǒng)的檢測精度，降低系統(tǒng)的檢測時間。本文將基于圖像的行人檢測系統(tǒng)分為分類器的訓(xùn)練和行人的檢測兩個部分進行研究和改進，主要工作和成果如下。
　　在分類器的訓(xùn)練部分，詳細介紹了目前行人檢

2、測領(lǐng)域單一行人特征中性能最強大的HOG(Histogram of Oriented Gradients，梯度向量直方圖)特征。針對HOG特征提取算法所提取的特征維數(shù)過高，訓(xùn)練得到的分類器分類速度較低這一不足之處，本文提出了改進型HOG特征并引入了PCA(Principal Component Analysis，主成分分析)算法進行HOG特征信息的篩選，通過降低特征信息的重疊性，得到維度較小的特征空間，減少了分類器的訓(xùn)練和檢測時間，增加了

3、樣本的分類準(zhǔn)確率。
　　在行人檢測階段，靜態(tài)圖像行人檢測主要采用滑動窗口遍歷的方法?；瑒哟翱诒闅v算法簡單靈活，但在進行密集掃描時會產(chǎn)生大量沒有目標(biāo)的負窗口，從而降低了檢測速度，并使得系統(tǒng)檢測性能對分類器的檢測精度很敏感。針對上述不足之處，本文引入了基于灰度的圖像分割方法來剔除部分背景區(qū)域，減少滑動窗口遍歷范圍，從而提高檢測速度和檢測精度。
　　本文采用MATLAB仿真和LIBSVM庫對行人檢測系統(tǒng)的分類和檢測兩個部分進行仿真