靜態(tài)圖像下多特征融合的行人檢測(cè)方法研究.pdf

1、行人檢測(cè)已經(jīng)成為視覺(jué)監(jiān)控、汽車(chē)智能輔助駕駛、人體行為分析等領(lǐng)域的熱點(diǎn)研究方向。同時(shí)，該技術(shù)也廣泛應(yīng)用于災(zāi)難現(xiàn)場(chǎng)營(yíng)救、泥石流預(yù)警等新興領(lǐng)域。近年來(lái)，研究人員通過(guò)結(jié)合經(jīng)典算子不斷提出適用于不同環(huán)境下的行人檢測(cè)方法，包括基于梯度方向的（Histograms of Oriented Gradients，HOG）特征算子、基于金字塔式梯度直方圖（Pyramid Histogram of Oriented Gradients，PHOG）特征算子、融

2、合多特征的方法等。以上的這些方法主要是基于機(jī)器學(xué)習(xí)的方法，通過(guò)提取圖像特征進(jìn)行訓(xùn)練和檢測(cè)。該方法主要分為樣本特征提取以及分類(lèi)器設(shè)計(jì)兩個(gè)部分。特征提取主要是為了提取最能描述行人信息的特征，分類(lèi)器的設(shè)計(jì)主要是為了使分類(lèi)器實(shí)現(xiàn)快速、精確檢測(cè)的目的。
　　本文首先介紹和分析行人檢測(cè)技術(shù)的研究現(xiàn)狀以及研究難點(diǎn)，然后對(duì)當(dāng)前一些主要的特征提取方式和分類(lèi)器進(jìn)行了概述，最后介紹了本文改進(jìn)的特征提取方法，本文的主要貢獻(xiàn)如下：
　　針對(duì)行人檢測(cè)中

3、檢測(cè)精確度和魯棒性不足的問(wèn)題，提出一種基于局部差分二值模型（Local Difference Binary Pattern，LDBP）和局部二值模型（Local Binary Pattern，LBP）的特征融合方法。首先，對(duì)輸入圖像進(jìn)行二維離散Haar小波變換，得到不同頻率的四個(gè)子圖像（LL，LH，HL和HH）；然后，對(duì)低頻部分子圖像提取LDBP特征，以及對(duì)其他三個(gè)高頻部分子圖像提取 LBP特征；其次，采用主成分分析法（PCA）分別對(duì)得

4、到的LDBP特征和LBP特征進(jìn)行降維；最后，融合降維后的LDBP特征和LBP特征對(duì)行人目標(biāo)進(jìn)行檢測(cè)。在INRIA數(shù)據(jù)集上采用支持向量機(jī)（SVM）進(jìn)行測(cè)試，實(shí)驗(yàn)結(jié)果表明，該方法能有效地提高檢測(cè)精確度，且具有較好的魯棒性。
　　針對(duì)目前行人檢測(cè)中實(shí)時(shí)性不足的問(wèn)題，提出了一種基于改進(jìn)的中心對(duì)稱(chēng)局部鄰域二值模型（Improved Center-Symmetric Local Neighbor Binary Pattern，ICS-LNBP