視頻場(chǎng)快速行人動(dòng)態(tài)檢測(cè)算法與實(shí)現(xiàn).pdf

1、行人檢測(cè)是近年來人工智能和計(jì)算機(jī)視覺領(lǐng)域備受關(guān)注的前沿方向和研究熱點(diǎn),但是還存在很多的難點(diǎn)有待解決;尤其是視頻監(jiān)控中的行人檢測(cè),需要在保證檢測(cè)準(zhǔn)確率的前提下提高檢測(cè)速度,實(shí)現(xiàn)實(shí)時(shí)處理。本文對(duì)視頻監(jiān)控中的快速行人檢測(cè)相關(guān)技術(shù)進(jìn)行了研究,同時(shí)設(shè)計(jì)實(shí)現(xiàn)了基于視頻的快速行人檢測(cè)系統(tǒng)。
　　 為了能夠快速準(zhǔn)確地檢測(cè)視頻監(jiān)控中的行人,本文將行人檢測(cè)分為兩個(gè)階段:運(yùn)動(dòng)檢測(cè)和目標(biāo)分類。首先是運(yùn)動(dòng)檢測(cè),快速得到視頻中的運(yùn)動(dòng)區(qū)域,從而減少下一步目標(biāo)

2、分類所處理的區(qū)域數(shù)目,以提高整體檢測(cè)速度;然后是目標(biāo)分類,使用分類器對(duì)運(yùn)動(dòng)區(qū)域進(jìn)行分類,從而排除非行人區(qū)域,檢測(cè)到準(zhǔn)確的行人位置。
　　 在運(yùn)動(dòng)檢測(cè)階段,本文研究一種改進(jìn)的幀差法FDMAT,其閾值與像素的灰度值變化相聯(lián)系,將閾值表示為當(dāng)前幀與前一幀像素灰度值之和的一個(gè)線性函數(shù)。這樣使閾值能夠隨著環(huán)境變化做出相應(yīng)的改變,可以有效提高對(duì)于運(yùn)動(dòng)速度較慢行人的檢測(cè)效果。
　　 在目標(biāo)分類階段,本文研究一種結(jié)合幀相關(guān)性的目標(biāo)分類方

3、法CFC。利用幀間行人區(qū)域的相關(guān)性結(jié)合級(jí)聯(lián)分類器進(jìn)行分類,可以有效加快分類速度,同時(shí)有效處理靜止行人和遮擋的問題。本文采用多尺度的HOG特征訓(xùn)練級(jí)聯(lián)結(jié)構(gòu)的分類器。多尺度的HOG特征可以在多個(gè)尺度上更好地描述行人特征,提高分類效果;而級(jí)聯(lián)結(jié)構(gòu)的分類器可以快速排除大量子窗口,提高分類速度。
　　 基于本文的行人檢測(cè)算法,設(shè)計(jì)實(shí)現(xiàn)了快速行人檢測(cè)系統(tǒng)。系統(tǒng)包括HOG分類器訓(xùn)練子系統(tǒng)和基于視頻的快速行人檢測(cè)子系統(tǒng),基于Visual C++