基于目標運動信息和HOG特征的行人檢測的研究與實現(xiàn).pdf

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

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(Support Vector Machine, SVM)用于處理高維特征信息有很大的優(yōu)勢。HOG與SVM分類器進行行人檢測的組合,可以達到比較好的效果。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,由于HOG特征的向量維數(shù)會比較高,時間損耗會比較大,影響檢測的實時性,而且目標場景中可能存在其他對檢測結(jié)果有影響的干擾和噪聲等,單純采用HOG特征對人體檢測會存在很多偏差,效果不是特別理想。
　　本文采用HOG緩存的思想來計算HOG特征,可以加快對特征提取的速度,減少系統(tǒng)運行時間。同時,本文利用了目標運動信息,首先結(jié)合背景差分法以及幀間差分法將運動目標區(qū)域進行提取,接著進行相應的檢測部分實驗,而且