原文传递
多特征融合的行人检测算法的研究和实现
| 论文题名： | 多特征融合的行人检测算法的研究和实现 |
| 关键词： | 多特征融合;行人检测;梯度直方图;支持向量机;颜色分割;智能交通 |
| 摘要： | 行人检测是计算机视觉中的一个热点问题，在机器人学、无人驾驶、虚拟现实技术以及一些军事领域都有广泛的应用前景。同时，作为新崛起的机动车大国，我国每年都会发生许多的交通事故，并造成大量的人员伤亡和财产损失。而在交通事故中行人最易受伤害，因此对行人进行检测在智能交通的实现中具有重要意义。 现实条件下，行人检测因为行人的非刚性、多样性，背景的复杂性等因素研究难度较高。本文在已有算法的基础上，提出了多种特征融合的行人检测算法。首先，利用基于颜色分割和边缘对称性分割算法提取感兴趣区域。颜色分割能快速识别出图中人体肤色区域，但若行人没有裸露的皮肤或背景颜色与皮肤过于接近，则颜色分割算法将不太可靠，这时基于边缘对称性的分割算法可以弥补颜色分割算法的不足。然后要对感兴趣区域进行行人检测，本文采取了基于滑动窗口的方法，用HOG-PCA+CENTRIST检测行人整体、Haar与积分图相结合检测人头，这是因为HOG具有良好的检测特性但是维数过高且对弯曲敏感，故采用PCA进行降维处理，CENTRIST计算速度快，且能反映目标整体轮廓信息，两者算法具有互补性。在检测出行人的滑动窗口中，再用Haar检测人头，采用积分图技术加速计算。为了检测各个尺寸大小的行人，本文基于SVM、AdaBoost为3种特征分别训练了4个尺度的分类器，以增大分类器训练的工作量为代价，减少了检测的计算量。最后，采用本文的窗口融合算法对各级检测窗口进行融合。 基于INRIA的实验结果表明，本文提出的基于多特征融合的行人检测算法在FPPI为1时检测率达到了91.5％，接近了已发表的算法中最好的水平，DET图显示了本文算法明显优于HOG等算法，也优于多数算法。同时以PASCAL挑战的标准衡量，本文提出的算法也取得了不错的成绩。 |
| 作者： | 柳建为 |
| 专业： | 电子与通信工程 |
| 导师： | 应娜 |
| 授予学位： | 硕士 |
| 授予学位单位： | 杭州电子科技大学 |
| 学位年度： | 2015 |
| 正文语种： | 中文 |
检索历史
应用推荐
