基于頭肩輪廓特征的人頭檢測(cè)系統(tǒng)的研究.pdf

1、行人檢測(cè)和識(shí)別是智能視頻分析領(lǐng)域一項(xiàng)重要的研究課題。在智能安防監(jiān)控、人機(jī)交互、虛擬現(xiàn)實(shí)等有著廣泛的應(yīng)用?，F(xiàn)實(shí)條件下由于攝像機(jī)安裝的位置和角度受到限制，經(jīng)常存在拍攝的圖像中人體區(qū)域不完整、人體間產(chǎn)生相互遮擋的情況，所以人的頭肩部位則成了行人檢測(cè)難題的突破口。本文利用了頭肩輪廓呈現(xiàn)比較固定的特點(diǎn)，對(duì)監(jiān)控視頻中的人頭檢測(cè)進(jìn)行了新的探索和研究。
　　 本文著重研究了復(fù)雜場(chǎng)景視頻中行人的運(yùn)動(dòng)檢測(cè)算法，以及構(gòu)建基于頭肩輪廓特征的人頭分類器并

2、對(duì)目標(biāo)進(jìn)行檢測(cè)識(shí)別。論文的主要內(nèi)容和創(chuàng)新點(diǎn)如下：
　　 首先，對(duì)采集到的原始圖像進(jìn)行了預(yù)處理操作，采用了快速中值濾波去除噪聲和灰度值拉伸以增加對(duì)比度，使圖像能夠在后續(xù)的處理中保證好的質(zhì)量。
　　 其次，為了縮短掃描時(shí)間，先進(jìn)行運(yùn)動(dòng)目標(biāo)的檢測(cè)，將包含行人的前景分割出來(lái)。建立了codebook模型進(jìn)行運(yùn)動(dòng)檢測(cè)，同時(shí)考慮到判別準(zhǔn)則和像素的亮度直接相關(guān)，改進(jìn)了經(jīng)典的模型將RGB空間轉(zhuǎn)換到Y(jié)UV空間，使檢測(cè)效果得到了提升。

3、　　 然后，設(shè)計(jì)了‘兩個(gè)級(jí)聯(lián)式分類器，分別采用基于類Haar特征和HOG特征進(jìn)行先粗略后精細(xì)兩級(jí)過(guò)濾的檢測(cè)機(jī)制。特別地，由于頭肩對(duì)稱性的特點(diǎn)，提出了Joint HOG(組合Block的HOG)的特征提取算法，并選取多尺寸Block以增加基礎(chǔ)特征，克服了傳統(tǒng)HOG特征單一、計(jì)算耗時(shí)的缺點(diǎn)。其中HOG分類器的設(shè)計(jì)結(jié)合SVM和AdaBoost算法對(duì)樣本進(jìn)行訓(xùn)練，用線性SVM作為弱學(xué)習(xí)算法構(gòu)造Joint HOG的弱分類器，再將這些分類器通過(guò)C