详情

原文传递基于视觉的特征提取及行人检测

论文题名：	基于视觉的特征提取及行人检测
关键词：	支持向量机;计算机视觉;行人检测算法;特征提取
摘要：	伴随着计算机视觉、人工智能等相关技术的发展，以及智能汽车、智能监控和安全领域的迫切需求，行人检测技术，受到了越来越多的关注，已经成为研究的热点，并广泛的应用于智能监控、智能交通和机器人等领域。　　当前行人检测的主流方向是从样本中，提取行人特征，机器学习得到分类模型，将行人检测问题转化为分类判断问题。针对基于分类的行人检测，本文从特征的选择和分类器训练算法的选择两个方面，对行人检测算法进行了分析研究。主要工作内容如下: 　　 (1)介绍了行人检测的整体流程，针对行人检测中的关键技术，分析研究了分类器算法中的SVM算法和AdaBoost算法，利用并查集解决行人检测窗口融合的问题。确定使用INRIA行人库作为分类器的训练库和测试库，并利用基于传统的混淆矩阵和DET曲线来评价算法的性能。　　 (2)基于SVM运用HOG特征和LBP特征分别实现了行人检测，实验结果表明，HOG特征具有优秀的行人表征能力，但在复杂背景下，梯度信息不能更好的区分行人与背景，LBP特征作为一种局部纹理信息，可良好的弥补HOG特征在这一点的不足。针对SVM数据失衡问题，进行了相关讨论和实验分析对比，确定了最佳正负样本比。　　 (3)针对HOG单一特征在行人检测中的不足，对HOG和LBP进行了特征组合分析，实现了基于SVM的HOG-LBP联合特征的行人检测算法。通过与单特征行人检测算法进行了对比，表明联合特征具有更强的行人表征能力。由于联合特征维数增加，导致SVM行人检测效率降低，在分类器的选择上，本文使用级联AdaBoost算法，减小算法时间复杂度。实验结果表明，基于简单二值分类器的级联AdaBoost算法，大大的提高了行人检测速度。
作者：	王磊
专业：	通信与信息系统
导师：	苏杨
授予学位：	硕士
授予学位单位：	武汉理工大学
学位年度：	2013
正文语种：	中文