基于特征提取的快速行人檢測方法研究.pdf

1、行人檢測是計算機視覺領域的熱門問題之一,近年來得到越來越多的關注。其相關技術是目前計算機視覺和模式識別研究中的難點和前沿問題,具有重大的學術意義和廣闊的市場應用前景。但由于行人受光照、復雜背景、關節(jié)位置以及遮擋等因素的影響而呈現出各種各樣的外觀,因此實時魯棒地在真實場景中檢測出行人,挑戰(zhàn)極大。目前還沒有一個通用的,健壯的,精確的,高性能的和實時的行人檢測算法。針對行人檢測的精確性以及高性能的檢測算法,本文開展了如下四個方面的研究工作:<

2、br>　　 1、研究各種圖像特征算子,提出基于雙線性插值的Shape Context特征,在一定程度上平滑原算法對于邊緣噪聲,以及突變情況的影響,提高描述子表述能力。并應用于行人檢測算法中,分析Shape Context算子在行人檢測中的實用性。
　　 2、本文基于HOG特征算子,結合HIK SVM快速訓練和快速分類的思想,針對目前行人檢測算法時效性問題,設計行人檢測算法。利用直方圖相交核對于目前最為流行的直方圖特征有著良好的

3、分類效果的優(yōu)點,結合HIK快速計算方法進行滑動窗口檢測；使用非極大抑制的窗口融合算法,實現行人的準確定位,在保證行人檢測精度的同時,提高檢測的速度。
　　 3、提出基于HIK SVM的多特征融合行人檢測算法。針對HOG只利用圖像梯度信息的缺點,本文采用基于LBP紋理信息特征與梯度信息相結合的多特征融合行人檢測方法,以便結合兩者各自的優(yōu)點,更好的表達行人特征；并且采用兩種特征的積分圖快速計算方式,提高整個檢測算法的效率。實驗結果表

4、明,采用多特征融合的方法可以提高行人的檢測率。
　　 4、提出基于CUDA架構,行人檢測的多線程處理方法,進一步提高行人檢測方法的效率,充分利用GPU在并行數據運算上具有強大計算能力的特點。在整個滑動窗口檢測過程中,對特征提取以及分類器檢測部分設計相應多線程處理核函數,充分進行并行運算,在更大程度上提高檢測速度。
　　 本文基于以上幾部分研究工作,設計了完善的行人檢測算法。通過實驗分析,整個算法在保證行人檢測準確度的同時