基于空間上下文的人體檢測算法研究.pdf

1、人體檢測是近年來圖像處理領(lǐng)域的一門新興研究方向。目前比較成熟的目標(biāo)檢測領(lǐng)域有:人臉識(shí)別，行人檢測等。傳統(tǒng)的人體檢測方法，一般都是針對(duì)靜態(tài)圖片上的特定姿態(tài)的人體進(jìn)行檢測，并且檢測率不是很高。人體檢測具有很強(qiáng)的應(yīng)用價(jià)值，可應(yīng)用于交通監(jiān)控;可輔助智能車輛駕駛;可應(yīng)用于邊防安全事業(yè)等。
　　近年來一些國家與地區(qū)頻頻發(fā)生自然災(zāi)難，每年因這些災(zāi)難逝去的人不計(jì)其數(shù)。災(zāi)難發(fā)生之后的傷員搜救工作成為國家重點(diǎn)關(guān)心事項(xiàng)，在這些災(zāi)難現(xiàn)場很多地方是救援人員

2、無法到達(dá)的，同時(shí)許多地區(qū)具有極高的危險(xiǎn)性。目前，科學(xué)家極力研制出一些救援裝備以及救援機(jī)器人，希望能夠幫助救援人員完成一些人類無法進(jìn)行探測的工作。
　　本文提出了一種基于空間上下文的人體檢測方法，輔助完成國家863項(xiàng)目——災(zāi)難現(xiàn)場生命體征搜尋機(jī)器人仿生感知技術(shù)的研究工作?？臻g上下文是一種人體行為科學(xué)概念，其類似于注意機(jī)制。本文的空間上下文機(jī)制主要體現(xiàn)在對(duì)檢測窗口的驗(yàn)證環(huán)節(jié)。檢測過程第一步采用傳統(tǒng)的HOG（HistogramOfGra

3、dient梯度方向直方圖）特征算子進(jìn)行人體特征提取，應(yīng)用分類能力較快的AdaBoost分類器進(jìn)行分類，對(duì)檢測結(jié)果窗口使用上下文機(jī)制進(jìn)行人體驗(yàn)證。HOG特征算子計(jì)算方法是基于圖像分塊的，同時(shí)塊內(nèi)以圖像單元為單位進(jìn)行梯度計(jì)算。這種方法使得圖像檢測窗口內(nèi)的特征維數(shù)計(jì)算量過大，進(jìn)行分類學(xué)習(xí)需要過長的時(shí)間，對(duì)于一些分辨率較大的檢測圖像進(jìn)行人體檢測時(shí)無法達(dá)到實(shí)時(shí)性要求。本文對(duì)圖像直接以單元為單位進(jìn)行梯度計(jì)算，實(shí)驗(yàn)得到適中的特征計(jì)算覆蓋率，在保證了檢

4、測正確率的前提下，降低了檢測時(shí)間。
　　此外，在空間上下文驗(yàn)證環(huán)節(jié)中，本文加入了基于LBP紋理特征的人體驗(yàn)證。LBP紋理特征分類器，以對(duì)紋理具有良好的描述性的LBP(LocalBinaryPatternLBP)為特征，考慮到人體的多姿態(tài)性，本文采用具有旋轉(zhuǎn)不變性的一致模式的LBP算子，使用對(duì)于小樣本具有較好分類性能的SVM(SupportVectorMachine支持向理機(jī))進(jìn)行分類學(xué)習(xí)，得到人體紋理分類器。加入到人體驗(yàn)證環(huán)節(jié)中，