基于HOG的人體圖像檢測研究與實現(xiàn).pdf

1、在計算機視覺領域中，有許多實際應用需要計算機能夠快速有效地將人體檢測出來，如視頻跟蹤、駕駛員輔助系統(tǒng)、人體圖像檢索和智能機器人等。在視頻跟蹤監(jiān)控中，自動在監(jiān)控視野中搜索人體是進行后續(xù)分析的重要預處理步驟。由于圖像中人體姿態(tài)各異，服裝顏色紋理變化多端以及背景復雜、光照明暗等復雜性，故而在靜態(tài)圖像中的人體檢測具有很高難度。
　　目前，人體圖像檢測領域廣泛釆用基于滑動窗檢測的二元化分類問題。這種方法保證每幅待檢圖片在不同的縮放比例下被固

2、定尺寸(或變尺寸)的檢測窗按照一定方向完成每次移動一定檢測窗步長的窮盡掃描。在檢測中對每個檢測窗口提取特征信息輸入特征分類器來對分類器進行訓練，最后使用訓練成功的分類器對待檢對象進行分類，以此完成檢測?？捎糜谌梭w檢測的特征有許多，其中Dalai和Triggs于2005年首次提出的HOG特征（即梯度方向直方圖特征）在人體檢測領域表現(xiàn)突出。
　　本文選用的HOG特征在人體檢測中具有高檢測率，計算量大的特點，因此通過對HOG特征的結構進

3、行改進，使用一種利用Fisher挑選準則選擇出來的MultiHOG特征代替?zhèn)鹘y(tǒng)HOG特征，使用多尺度block替代原block，并對其進行選擇，將特征維度由傳統(tǒng)HOG的3780維降到360維。其次，為進一步增強檢測效果，在MultiHOG特征基礎上，融合了對紋理有較好表現(xiàn)的LBP特征。本文算法舍棄分類效果差的線性SVM，選用加性交叉核SVM分類器來縮短檢測時間，提高檢測效率，實現(xiàn)人體圖像滑動窗口檢測。
　　本文使用INRIA標準數(shù)