智能視頻監(jiān)控中行人檢測及外貌特征分析關(guān)鍵技術(shù).pdf

1、行人檢測是當前目標檢測領(lǐng)域的難點和熱點問題，在智能視頻監(jiān)控、視頻分析、智能交通和無人駕駛等領(lǐng)域中有著廣泛的應用。行人的外貌多樣性和結(jié)構(gòu)非剛性等特點加大了行人檢測的難度，并且在刑偵和安防等應用場景復雜的視頻監(jiān)控系統(tǒng)中，需要行人的面部特征和穿著服裝的色彩等更為詳細的外貌特征對行人進行分析，為行人追蹤、跨區(qū)域行人再識別等研究提供充足的判斷依據(jù)。本文主要研究了基于視頻監(jiān)控的行人檢測及外貌特征分析技術(shù)，針對行人檢測、行人面部外貌特征分析和行人服裝

2、外貌特征分析三個部分進行研究和實現(xiàn)，主要工作如下:
　　(1)研究和實現(xiàn)了基于可變形部件模型（Deformable Part Models，DPM）的行人檢測算法。DPM使用改進HOG（Histogram of Oriented Gradient）特征作為行人目標的描述特征，相較于原始HOG特征維度更低，對形狀變化和光照影響的魯棒性更高;使用Latent SVM學習在行人整體和行人身體各區(qū)域上提取的改進HOG特征，建立可用于行人檢

3、測和行人身體各區(qū)域定位的人體星型模型。使用人體星型模型對行人頭部、軀干和腿部區(qū)域的定位，為后續(xù)的行人面部外貌特征分析和行人服裝外貌特征分析奠定了基礎(chǔ)。
　　(2)提出了行人面部外貌特征分析方法，該方法包括基于人體星型模型的人臉檢測和面部特征點定位算法。根據(jù)人體星型模型中頭部模型的位置確定出行人頭部所在區(qū)域，在該區(qū)域上使用Haar特征和Adaboost級聯(lián)分類器進行人臉檢測確定出人臉區(qū)域，在人臉區(qū)域上使用隨機森林提取局部二值特征，將

4、所有的局部二值特征組合起來進行全局線性回歸，確定面部特征點位置?；谌梭w星型模型的人臉檢測和特征點定位算法，減少了檢測過程中對圖像進行遍歷和縮放的時間，提高了人臉檢測和面部特征點定位的速度。
　　(3)提出了行人服裝外貌特征分析方法，該方法包括基于人體星型模型的行人服裝區(qū)域分割和色彩識別算法。將人體星型模型中的多個部件模型進行組合，確定人體軀干模型組和腿部模型組。在模型組確定的軀干區(qū)域和腿部區(qū)域上使用GrabCut方法對行人前景服

5、裝圖像進行分割，減小背景區(qū)域圖像對行人服裝色彩識別的影響。GrabCut方法使用高斯混合模型描述前景服裝區(qū)域中所有像素的RGB色彩均值和方差，根據(jù)像素的色彩均值和數(shù)量在HSV色彩空間中對行人的服裝區(qū)域進行色彩識別。
　　本文在DPM行人檢測算法的基礎(chǔ)上，使用人體星型模型對面部輪廓、眼睛、鼻子和嘴巴等面部外貌特征以及穿著的服裝色彩等服裝外貌特征進行檢測和識別，將行人檢測、人臉檢測、面部特征點定位、圖像分割和色彩識別算法進行了融合，更