面向家庭看護(hù)的人體目標(biāo)檢測(cè)算法研究.pdf

1、隨著經(jīng)濟(jì)的發(fā)展，中國(guó)的老齡化趨勢(shì)不斷加劇，獨(dú)居老人無(wú)人看護(hù)造成了許多家庭悲劇，家庭環(huán)境下獨(dú)居老人行為理解有望解決智能家庭看護(hù)的問(wèn)題，而對(duì)人體目標(biāo)的檢測(cè)則是行為理解的基礎(chǔ)，因此，對(duì)家庭環(huán)境下人體目標(biāo)檢測(cè)算法的研究具有重要的意義。本文針對(duì)人體目標(biāo)檢測(cè)在家庭環(huán)境下存在的研究難點(diǎn)如遮擋、光照變化、尺度、姿態(tài)各異、檢測(cè)的快速性等問(wèn)題，對(duì)檢測(cè)算法和具體的檢測(cè)定位方法進(jìn)行了相關(guān)研究，以提高人體目標(biāo)檢測(cè)算法應(yīng)用于獨(dú)居老人智能家庭看護(hù)的可靠性。主要的研究

2、工作總結(jié)如下：
　　針對(duì)家庭環(huán)境下復(fù)雜背景干擾和檢測(cè)的快速性問(wèn)題，研究了基于特征融合和級(jí)聯(lián)Adaboost的檢測(cè)算法。對(duì)于復(fù)雜背景干擾可能引起的漏檢、誤檢問(wèn)題，分析多種文獻(xiàn)的抗干擾方法，結(jié)合 HOG特征具有對(duì)人體輪廓描述強(qiáng)、對(duì)光照的變化不敏感、檢測(cè)準(zhǔn)確度高，LBP特征具有灰度不變性、計(jì)算速度較快、能較好刻畫平坦表面紋理特征的特性，研究用HOG-LBP特征融合的方法來(lái)應(yīng)對(duì)環(huán)境干擾。對(duì)于檢測(cè)的快速性問(wèn)題，在特征提取方面，用積分圖技術(shù)加

3、速HOG特征的提取，并對(duì)其進(jìn)行PCA降維，以降低運(yùn)算量，提取單個(gè)塊59維的均勻模式LBP特征，以提高運(yùn)行速度；在分類器設(shè)計(jì)方面，設(shè)計(jì)了可快速分類判別的Adaboost級(jí)聯(lián)分類器，用線性SVM作為弱分類器，方便HOG特征的降維處理。
　　針對(duì)在具體檢測(cè)時(shí)圖像尺度和平躺人體目標(biāo)可能引起的漏檢問(wèn)題，研究了基于多尺度和圖像旋轉(zhuǎn)的檢測(cè)方法。對(duì)于人體目標(biāo)相對(duì)于圖像過(guò)大引起的漏檢問(wèn)題，研究多尺度縮放圖像多層檢測(cè)的方法；對(duì)于因多尺度檢測(cè)造成的在目

4、標(biāo)具體定位時(shí)的多窗口輸出問(wèn)題，研究了基于貪心策略的非極大值抑制方法；對(duì)于平躺人體目標(biāo)的防漏檢問(wèn)題，提出了在無(wú)目標(biāo)窗口輸出時(shí)順時(shí)針旋轉(zhuǎn)圖像90度重復(fù)檢測(cè)，檢測(cè)成功后再逆時(shí)針旋轉(zhuǎn)返回原圖像位置的檢測(cè)方法。
　　為驗(yàn)證以上研究方法的正確性，本文在 VS2010平臺(tái)下，用開源計(jì)算機(jī)視覺庫(kù)Opencv對(duì)INRIA人體數(shù)據(jù)庫(kù)進(jìn)行訓(xùn)練，得到15級(jí)的Adaboost級(jí)聯(lián)分類器，并用測(cè)試樣本集對(duì)分類器在檢測(cè)率、誤報(bào)率、檢測(cè)速度方面做出評(píng)估，對(duì)算法整