基于目標(biāo)運動信息和DPM特征的物體檢測.pdf

1、隨著計算機視覺以及人工智能的發(fā)展，對圖片以及視頻當(dāng)中的物體檢測變得日益重要，成為圖片相關(guān)研究的基礎(chǔ)。雖然計算機在不斷的發(fā)展，而物體檢測的技術(shù)也在不斷的發(fā)展，但是物體檢測耗時長、對計算機配置要求高、實時性差的問題依然沒有解決。
　　本文通過分類訓(xùn)練的方法進行物體的檢測，通過對樣本進行訓(xùn)練，提取特征，然后對未知樣本進行識別。在識別之前，首先利用目標(biāo)運動信息，對需要檢測的區(qū)域進行提取，然后再進行樣本識別，加快了檢測的速度，使檢測的實時性

2、有了一定的提高。在特征提取方面，采用了DPM（Deformable Part Model）進行特征的提取，利用隱藏變量 SVM進行樣本的訓(xùn)練、物體的識別。DPM是在HOG（Histograms of Oriented Gradient)特征的基礎(chǔ)上提出來的，對HOG特征進行了很大的改進，在識別精度方面有了很大的提高，但是識別的速度依然很慢。在本文中，首先對目標(biāo)區(qū)域進行了提取，然后再對提取的區(qū)域進行檢測，通過實驗表明，本文的方法比未使用區(qū)