視頻圖像中的行人檢測.pdf

1、行人檢測是目標檢測的一個分支，它旨在將行人從連續(xù)的視頻幀或單幀圖像中準確的定位并分割出來，是計算機視覺領域最為活躍也最富挑戰(zhàn)性的課題之一。本文對行人檢測算法的研究，旨在提升行人檢測在復雜場景下的應用能力以及識別準確性。
　　 在前人研究工作的基礎上，本文提出了以Haar-like與簡化HOG特征描述行人，并結合Hough森林進行行人檢測。本文所提出的方法首先采用背景差分，實現(xiàn)視頻中運動目標的定位與抽取。為了提升目標區(qū)域定位與抽取

2、的準確性，使用了改進的背景重建以及更新算法以提升背景差分的效果，隨后通過濾波、形態(tài)學處理對背景差分結果中的噪聲以及缺陷進行處理，最終應用基于顏色以及紋理特性的陰影檢測排除算法，實現(xiàn)了目標區(qū)域的準確抽取。
　　 為了得到更好的描述行人的特征，本文分別對Haar-like特征與HOG特征的構建方式進行了研究，選取了最為合適的構建方式，并對Haar-like特征、HOG特征以及二者的融合特征進行了性能比較，最終決定選用Haar-lik

3、e與簡化HOG的融合特征作為本文描述行人的特征。
　　 本文首次將Hough森林應用于目標區(qū)域已獲取的行人識別中，將Hough投票結果作為衡量目標區(qū)域是否為行人的標準。為了驗證Hough森林的優(yōu)越性，本文還對人工神經(jīng)網(wǎng)絡和單類支持向量機進行了研究，從復雜環(huán)境的適應性以及識別效果的準確性兩個方面對這三種分類器進行了性能比較，并證實了Hough森林對于行人檢測工作具有更加優(yōu)秀的性能。
　　 實驗證明，本文提出的以Haar-l