基于紅外圖像的行人檢測算法研究.pdf

1、行人檢測技術(shù)已成為模式識(shí)別和計(jì)算機(jī)視覺領(lǐng)域的研究熱點(diǎn)之一。在夜晚情況下，由于光照等條件不理想，可見光攝像機(jī)的成像效果較差，影響行人檢測的效果。紅外攝像機(jī)具有良好的夜視能力，對不同的光照環(huán)境都有較強(qiáng)的適應(yīng)能力。因此基于紅外成像的行人檢測方法成為了一種解決這一問題的有效方案。然而行人兼具剛性和柔性的物體特性，外表易受姿態(tài)、視角、遮擋等影響，使得基于紅外圖像的夜間行人檢測依然是一個(gè)極具挑戰(zhàn)性的研究課題。
　　本文主要針對夜間的車載場景，

2、研究了基于特征提取結(jié)合機(jī)器學(xué)習(xí)模型的行人檢測相關(guān)問題，主要涉及的內(nèi)容有：特征提取、行人檢測算法及檢測實(shí)時(shí)化等。本文主要工作如下：
　　1）針對紅外圖像中行人檢測的特征提取問題，提出了一種更具描述能力的特征描述符DBHOI（Different Bins Histogram of Intensity）。首先，研究了用于表征紅外圖像中亮度信息的HOI（Histogram of Intensity）描述符及其構(gòu)造過程，并發(fā)現(xiàn)了它未充分利用

3、行人本身及背景亮度分布的缺點(diǎn)。然后，基于上述分析，提出了一種對行人本身亮度信息分布進(jìn)行編碼的DBHOI特征描述符。最后，詳細(xì)地給出了DBHOI特征構(gòu)造中涉及的參數(shù)優(yōu)化過程。
　　2）基于紅外圖像，提出了一種新穎的行人檢測訓(xùn)練框架，并利用近似模型加快了檢測速度。首先，利用DBHOI和HOG（Histogram of Gradient）描述符構(gòu)成了一個(gè)新穎的積分通道特征，通過該特征可以描述紅外圖像中行人的亮度和邊緣信息。然后，在基于

4、Adaboost的訓(xùn)練框架中，將兩層決策樹模型作為弱分類器，并利用大規(guī)模的數(shù)據(jù)訓(xùn)練得到一個(gè)分類能力較強(qiáng)的級聯(lián)分類器。最后，為了達(dá)到實(shí)時(shí)性的檢測要求，本文又采用了圖像金子塔模型與分類器金字塔模型相結(jié)合的方法，來近似計(jì)算相鄰層之間的特征，從而降低檢測的總體時(shí)間。
　　綜上，本文通過對現(xiàn)有研究的分析和總結(jié)，對基于紅外圖像的特征提取、行人檢測算法和檢測實(shí)時(shí)化進(jìn)行了深入研究。實(shí)驗(yàn)結(jié)果表明，通過本文提出的DBHOI特征以及Adaboost訓(xùn)練