基于多特征與改進(jìn)霍夫森林的行人檢測方法.pdf

1、行人檢測是模式識別領(lǐng)域中目標(biāo)檢測的一個(gè)分支,它旨在將行人從連續(xù)的視頻幀或單幀圖像中準(zhǔn)確的定位并分離出來,是計(jì)算機(jī)視覺領(lǐng)域最為活躍也最富挑戰(zhàn)性的課題之一。行人檢測也因其在輔助駕駛系統(tǒng)、高級人機(jī)交互以及智能監(jiān)控等領(lǐng)域的廣泛應(yīng)用前景,日漸獲得研究者們的關(guān)注。然而由于行人自身和周遭環(huán)境的特點(diǎn),例如:人體姿態(tài)、衣著、個(gè)體間的遮擋、鏡頭角度以及光照等因素,使得對行人的精確檢測仍然有一定的難度。目前行人檢測算法的主流研究策略是對圖像進(jìn)行特征提取來描述

2、行人,對提取的特征進(jìn)行訓(xùn)練,通過機(jī)器學(xué)習(xí)算法提取最能表達(dá)行人的多種特征,形成分類器進(jìn)行檢測。
　　本文針對自然背景下的行人檢測問題,搭建起一個(gè)新的行人檢測系統(tǒng)。主要做了以下幾點(diǎn)創(chuàng)新:(1)特征提取方面:從人眼宏觀視覺出發(fā),提出一種綜合了行人局部梯度信息、紋理信息、顯著顏色信息的多特征描述子,經(jīng)試驗(yàn)證明該特征集對行人具有更好的描述能力。(2)分類器方面:由于描述子選擇了多特征集合,本文選擇能夠融入更多判別信息的霍夫森林算法來創(chuàng)建分類

3、器,此算法能夠有效的學(xué)習(xí)并選擇特征集合中最優(yōu)的梯度、紋理、顏色特征,然后將特征提取和分類器訓(xùn)練兩部分結(jié)合,構(gòu)成一種新的行人檢測算法。(3)由于原霍夫森林的投票方式存在局限,因此本文對霍夫森林的投票方式進(jìn)行改進(jìn),提出一種基于高斯模板的區(qū)域加權(quán)投票方式,提高了檢測精度。
　　本文的軟件平臺為VS2005以及OpenCV1.0,實(shí)現(xiàn)了整體的行人訓(xùn)練和檢測系統(tǒng)。實(shí)驗(yàn)結(jié)果表明,本算法在誤檢率FPPW為10-4時(shí),檢測率為90.12％,ROC