圖像中的人體檢測技術(shù).pdf

1、快速有效地檢測人體在計(jì)算機(jī)視覺中有許多應(yīng)用，例如智能汽車、視頻監(jiān)控、圖像檢索和高級人機(jī)交互等。在智能視頻監(jiān)控中，自動在場景中搜索人體被視為理解人類活動的首要預(yù)處理步驟。由于人體自身姿態(tài)變化多端，衣著具有多樣性以及背景、光照條件的復(fù)雜性，使得在圖像中進(jìn)行人體檢測面臨巨大的挑戰(zhàn)。 本文首先給出一種圖像中的人體檢測算法，將邊緣方向特征和Haar-like特征作為候選特征集，采用改進(jìn)的Adaboost算法來訓(xùn)練人體檢測器中每層的強(qiáng)分類器

2、。針對傳統(tǒng)Adaboost算法訓(xùn)練較慢的缺點(diǎn)，提出一種快速特征選擇算法，通過構(gòu)造統(tǒng)計(jì)表，保存特征信息，避免每輪弱分類器訓(xùn)練時(shí)對所有特征重新計(jì)算分類誤差；并結(jié)合fisher判決分析方法對選出的弱分類器進(jìn)行訓(xùn)練，學(xué)習(xí)得到一個新的線性判決方程，最大化不同類別數(shù)據(jù)之間的可分離性，達(dá)到優(yōu)化強(qiáng)分類器降低風(fēng)險(xiǎn)敏感影響的目的。 另外，本文還對最終分類器的分層級聯(lián)結(jié)構(gòu)進(jìn)行了改進(jìn)，即在傳統(tǒng)的分層結(jié)構(gòu)基礎(chǔ)上加入若干附加的分類器，這些分類器是利用原來級

3、聯(lián)結(jié)構(gòu)中每層強(qiáng)分類器的置信度信息，通過支持向量機(jī)訓(xùn)練得到的。改進(jìn)后的分層級聯(lián)結(jié)構(gòu)由于充分利用了層間信息，能夠更快地將負(fù)樣本排除掉，顯著提高人體檢測器的效率。 本文還將該算法應(yīng)用到視頻中，用來檢測視頻中的運(yùn)動人體。首先對視頻中的運(yùn)動目標(biāo)進(jìn)行檢測，采用減背景的方法，通過高斯混合模型建立背景模型，在模型參數(shù)不斷地更新過程中，得到前景圖像。對二值化的前景圖像作數(shù)學(xué)形態(tài)學(xué)處理，并采用8-鄰域連通區(qū)域分析方法來標(biāo)記運(yùn)動區(qū)域，在原視頻的運(yùn)動區(qū)