面向靜態(tài)圖片行人檢測的局部特征學(xué)習(xí)方法應(yīng)用研究.pdf

1、行人檢測技術(shù)在視頻監(jiān)控、智能機(jī)器人、智能輔助駕駛、行人分析等領(lǐng)域都有著廣泛的應(yīng)用前景。但行人圖像不論是在身材、姿態(tài)，還是在視角、光照等方面都有不同，再加上背景的復(fù)雜性、攝像頭自身的移動(dòng)和晃動(dòng)，以及行人檢測對(duì)精度和速度的較高要求，使得行人檢測成為了機(jī)器視覺中最困難的課題之一。
　　由于良好的靜態(tài)圖片行人檢測技術(shù)是設(shè)計(jì)高性能行人檢測系統(tǒng)的前提，因此本文在對(duì)行人檢測相關(guān)算法進(jìn)行充分調(diào)研的基礎(chǔ)上，研究了靜態(tài)圖像中行人檢測的幾種經(jīng)典算法。在

2、基于經(jīng)典算法的設(shè)計(jì)思想之上，針對(duì)其存在的問題，本文提出了三種行人檢測的新方法，能夠快速高效地檢測出行人。
　　本文的主要工作如下:
　　1、對(duì)目前行人檢測的現(xiàn)狀及常用方法進(jìn)行了簡要地介紹和總結(jié)，并對(duì)當(dāng)前行人檢測中存在的問題與難點(diǎn)進(jìn)行了論述和展望。
　　2、介紹了本文所提出的行人檢測方法基于的理論基礎(chǔ)及關(guān)鍵技術(shù)。
　　3、提出一種基于多尺度塊的局部二值模式(MB_LBP)編碼統(tǒng)計(jì)直方圖和交叉核支持向量機(jī)(HIKSV

3、M)的行人檢測算法。與HOG+LinearSVM等經(jīng)典算法進(jìn)行了實(shí)驗(yàn)對(duì)比，驗(yàn)證了本算法的有效性。
　　4、提出一種基于Subset-Haar-like模板的中間層特征的行人檢測算法。該算法使用Haar-like子集模板對(duì)底層的聚合通道特征(ACF)圖進(jìn)行過濾，提取出了中間層濾波特征，該特征結(jié)合基于決策樹的Adaboost分類器構(gòu)成了行人檢測算法。該算法能夠很好地過濾非行人窗口，降低行人誤檢率。
　　5、提出一種基于加權(quán)Sub