改进的可变形部件模型及其在行人检测中的应用

论文摘要

可变形部件模型(deformable part models,DPM)是近年来在VOC目标检测大赛中表现优异的算法之一,曾赢得2007年VOC挑战赛冠军,目前已经成为主流的通用目标检测算法。基于DPM的目标检测方法的基本思想是将目标类别划分为子类别,将目标实例细分为各个部件,然后通过检测各个部件去判断目标实例的存在,通过分别检测各个子类别去判断目标类别的存在。本文在全面细致地研究学习DPM的基础上,针对行人检测问题提出改进方法,并通过实验验证该方法的有效性。同时,实验显示该方法也适用其它类别的目标检测任务。在学习研究DPM目标检测算法的同时我们将它用于多种目标检测任务的工程实践中,发现DPM目标检测算法虽然有较高的检测精度,却是以较大的计算量为代价,从而限制了它的应用发展。论文主要针对DPM检测速度慢的问题进行研究改进,提出了单点计算模型和快速层定位算法,并以此为基础提出了基于贪婪搜索的DPM检测算法(Greedy DPM)。本文的主要工作和创新点是全面细致地解析了基于DPM的目标检测理论和实现细节。提出单点计算模型,将DPM得分的计算限制在一个点上进行,从而可以对图像局部位置是否存在目标进行快速测试。提出了快速层定位算法,在多层金字塔中迅速定位目标实例所在层,避免了暴力搜索带来的计算负担。在单点计算模型和快速层定位算法的基础上,提出了基于贪婪搜索的DPM检测算法,该算法仅需在传统DPM的基础上增加一个不敏感阈值,从而在面对复杂场景时方便调节参数且具有较好的鲁棒性。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 课题的研究背景及意义
• 1.1.1 VOC挑战赛与DPM
• 1.1.2 DPM的特点
• 1.2 课题的研究现状
• 1.2.1 通用目标检测算法的发展现状
• 1.2.2 行人检测技术的发展现状
• 1.2.3 目标检测任务面临的挑战
• 1.2.4 DPM理论的提出与发展
• 1.2.5 DPM应用于实时检测的潜力
• 1.3 目标检测语法
• 1.3.1 语法模型
• 1.3.2 得分
• 1.3.3 独立变形语法
• 1.3.4 最大生成树
• 1.4 论文的研究内容安排
• 第二章 基于可变形部件模型的目标检测
• 2.1 特征表示
• 2.1.1 HOG特征
• 2.1.2 空间集聚
• 2.1.3 归一化与截取
• 2.1.4 PCA分析与解析降维
• 2.1.5 32维特征向量与特征金字塔
• 2.2 DPM的模型结构
• 2.2.1 星模型的定义
• 2.2.2 构造星模型
• 2.2.3 混合星模型
• 2.3 基于DPM的目标检测
• 2.3.1 标准的DPM检测算法
• 2.3.2 级联检测算法
• 2.4 基于LATENT SVM的模型训练
• 2.4.1 LATENT SVM
• 2.4.2 训练DPM的模型参数
• 第三章 改进的可变形部件模型与快速行人检测
• 3.1 14维HOG特征
• 3.2 单点计算模型
• 3.2.1 动态规划算法
• 3.2.2 单点计算模型
• 3.3 快速层定位算法
• 3.4 基于贪婪搜索的可变形部件模型
• 3.5 实验和结果分析
• 3.5.1 算法性能评估方法
• 3.5.2 14维特征与32维特征的对比
• 3.5.3 Greedy DPM与原始DPM、级联DPM的性能对比
• 3.5.4 实际应用结果
• 第四章 总结与展望
• 4.1 对本文工作的总结
• 4.2 对未来工作的展望
• 致谢
• 参考文献
• 作者在学期间取得的学术成果