基于图像的行人检测方法研究

论文摘要

行人检测是智能交通、智能监控、图像压缩、多媒体检索等领域的基本组成部分。针对上述广泛的应用,行人检测技术已经成为计算机视觉领域的热门研究对象。然而,行人的姿态、外貌、数量、方向、运动以及场景的遮挡和光照变化等因素均会影响检测的性能。本文分别提出了两种有效的行人检测方法:(1)基于梯度方向直方图特征的行人检测方法该方法采用梯度方向直方图、加权Fisher线性判别分析法、退化二分的Gentle AdaBoost算法、分类器级联算法等,实现了行人的快速检测。通过大量对比实验表明:基于梯度方向直方图特征的行人检测方法具有不错的健壮性和有效性,对于小尺寸、不同姿态和不同穿着的行人均具有较强的检测能力,并且该方法的运算速度较快,对存储空间的要求也较低。(2)基于Dirichlet过程的行人检测方法该方法使用图像特征提取技术、特征描述技术、特征码书和Dirichlet过程,自适应地生成了一组部件来表征行人。在此基础上,又结合了均值漂移算法、部件直方图和支持向量机等技术提出了一种新颖的行人检测方法。实验结果表明该方法结构简单,具有较高的检测率和较低的误检率,同时还可以推广至检测其他类型的物体,具有较高的实用价值。本论文将会用到Boosting算法、概率论、概率图模型等知识。因此,在各章的开始部分分别介绍了相关的基本知识。然后,详细描述了两种不同的行人检测方法。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 行人检测的背景与意义
• 1.2 行人检测的研究现状和问题
• 1.2.1 基于整体的行人检测方法
• 1.2.2 基于部件的行人检测方法
• 1.2.3 行人检测算法存在的难点
• 1.3 本文主要研究内容及结构安排
• 第二章 基于梯度方向直方图特征的行人检测方法
• 2.1 引言
• 2.2 基本概念
• 2.2.1 梯度方向直方图特征
• 2.2.2 线性判别分析法
• 2.2.3 基于查找表的Gentle AdaBoost 算法
• 2.2.4 分类器级联
• 2.3 方法概述与详细设计
• 2.3.1 方法概述
• 2.3.2 训练样本的选取
• 2.3.3 梯度方向直方图特征的提取
• 2.3.4 使用加权线性判别分析法进行特征投影
• 2.3.5 退化二分的Gentle AdaBoost 算法
• 2.3.6 各种方案的性能比较
• 2.3.7 级联分类器各级门限值的选取
• 2.4 实验结果与讨论
• 2.5 本章总结
• 第三章 基于Dirichlet 过程的行人检测方法
• 3.1 引言
• 3.2 基本概念
• 3.2.1 概率论中的指数族分布
• 3.2.2 两个重要的指数族分布
• 3.2.3 概率图模型简介
• 3.2.4 有限指数族混合模型及其概率图模型表示
• 3.2.5 Dirichlet 过程及其概率图模型表示
• 3.2.6 概率图模型的学习与推断
• 3.3 方法概述与详细设计
• 3.3.1 方法概述
• 3.3.2 特征提取与描述
• 3.3.3 特征码书的生成方法
• 3.3.4 行人部件的生成方法
• 3.3.5 部件直方图生成与训练
• 3.3.6 行人检测与定位
• 3.3.7 通过部件直方图抑制误检
• 3.4 实验结果与讨论
• 3.5 本章总结
• 第四章 总结与展望
• 4.1 论文总结
• 4.2 未来工作展望
• 参考文献
• 致谢
• 攻读学位期间发表的学术论文和专利