基于目標(biāo)運(yùn)動(dòng)信息和HOG特征的行人檢測的研究與實(shí)現(xiàn).pdf

1、對(duì)運(yùn)動(dòng)目標(biāo)的檢測作為計(jì)算機(jī)視覺研究中是提取目標(biāo)信息的關(guān)鍵步驟之一,是下一步作目標(biāo)的跟蹤以及目標(biāo)分類等處理的基礎(chǔ)。人類是其中很常見和重要的一類目標(biāo),對(duì)于行人的檢測已經(jīng)成為計(jì)算機(jī)視覺領(lǐng)域的一個(gè)研究的熱點(diǎn)和難點(diǎn),而行人檢測在計(jì)算機(jī)視覺,智能的視頻監(jiān)控以及人機(jī)交互等領(lǐng)域的應(yīng)用前景十分廣闊。
　　本文選用的是基于分類訓(xùn)練的行人檢測方法,通過對(duì)樣本進(jìn)行訓(xùn)練并對(duì)樣本特征進(jìn)行提取,建立我們所需要的行人檢測分類器,從而可以將目標(biāo)場景中的人體識(shí)別檢測

2、出來。以梯度方向直方圖(Histograms of Oriented Gradient,HOG)的為核心的方法是行人檢測中性能較優(yōu)異的一種方法,HOG特征用于行人檢測要優(yōu)于PCA-SIFT, Haa r特征以及形狀上下文(Shape context)等,而支持向量機(jī)(Support Vector Machine, SVM)用于處理高維特征信息有很大的優(yōu)勢。HOG與SVM分類器進(jìn)行行人檢測的組合,可以達(dá)到比較好的效果。但是使用HOG來描述

3、行人特征的人體檢測也存在少許缺點(diǎn),由于HOG特征的向量維數(shù)會(huì)比較高,時(shí)間損耗會(huì)比較大,影響檢測的實(shí)時(shí)性,而且目標(biāo)場景中可能存在其他對(duì)檢測結(jié)果有影響的干擾和噪聲等,單純采用HOG特征對(duì)人體檢測會(huì)存在很多偏差,效果不是特別理想。
　　本文采用HOG緩存的思想來計(jì)算HOG特征,可以加快對(duì)特征提取的速度,減少系統(tǒng)運(yùn)行時(shí)間。同時(shí),本文利用了目標(biāo)運(yùn)動(dòng)信息,首先結(jié)合背景差分法以及幀間差分法將運(yùn)動(dòng)目標(biāo)區(qū)域進(jìn)行提取,接著進(jìn)行相應(yīng)的檢測部分實(shí)驗(yàn),而且