改進的可變形部件模型及其在行人檢測中的應用.pdf

1、可變形部件模型（deformable part models，DPM）是近年來在VOC目標檢測大賽中表現(xiàn)優(yōu)異的算法之一，曾贏得2007年VOC挑戰(zhàn)賽冠軍，目前已經成為主流的通用目標檢測算法?；贒PM的目標檢測方法的基本思想是將目標類別劃分為子類別，將目標實例細分為各個部件，然后通過檢測各個部件去判斷目標實例的存在，通過分別檢測各個子類別去判斷目標類別的存在。本文在全面細致地研究學習DPM的基礎上，針對行人檢測問題提出改進方法，并通過實

2、驗驗證該方法的有效性。同時，實驗顯示該方法也適用其它類別的目標檢測任務。
　　在學習研究DPM目標檢測算法的同時我們將它用于多種目標檢測任務的工程實踐中，發(fā)現(xiàn)DPM目標檢測算法雖然有較高的檢測精度，卻是以較大的計算量為代價，從而限制了它的應用發(fā)展。論文主要針對DPM檢測速度慢的問題進行研究改進，提出了單點計算模型和快速層定位算法，并以此為基礎提出了基于貪婪搜索的DPM檢測算法（Greedy DPM）。
　　本文的主要工作和創(chuàng)

3、新點是：
　　?全面細致地解析了基于DPM的目標檢測理論和實現(xiàn)細節(jié)。
　　?提出單點計算模型，將DPM得分的計算限制在一個點上進行，從而可以對圖像局部位置是否存在目標進行快速測試。
　　?提出了快速層定位算法，在多層金字塔中迅速定位目標實例所在層，避免了暴力搜索帶來的計算負擔。
　　?在單點計算模型和快速層定位算法的基礎上，提出了基于貪婪搜索的DPM檢測算法，該算法僅需在傳統(tǒng)DPM的基礎上增加一個不敏感閾值，從而