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域的一門新興研究方向。目前比較成熟的目標檢測領域有:人臉識別，行人檢測等。傳統(tǒng)的人體檢測方法，一般都是針對靜態(tài)圖片上的特定姿態(tài)的人體進行檢測，并且檢測率不是很高。人體檢測具有很強的應用價值，可應用于交通監(jiān)控;可輔助智能車輛駕駛;可應用于邊防安全事業(yè)等。
　　近年來一些國家與地區(qū)頻頻發(fā)生自然災難，每年因這些災難逝去的人不計其數(shù)。災難發(fā)生之后的傷員搜救工作成為國家重點關心事項，在這些災難現(xiàn)場很多地方是救援人員

2、無法到達的，同時許多地區(qū)具有極高的危險性。目前，科學家極力研制出一些救援裝備以及救援機器人，希望能夠幫助救援人員完成一些人類無法進行探測的工作。
　　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項目——災難現(xiàn)場生命體征搜尋機器人仿生感知技術的研究工作?？臻g上下文是一種人體行為科學概念，其類似于注意機制。本文的空間上下文機制主要體現(xiàn)在對檢測窗口的驗證環(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）特征算子進行人體特征提取，應用分類能力較快的AdaBoost分類器進行分類，對檢測結果窗口使用上下文機制進行人體驗證。HOG特征算子計算方法是基于圖像分塊的，同時塊內以圖像單元為單位進行梯度計算。這種方法使得圖像檢測窗口內的特征維數(shù)計算量過大，進行分類學習需要過長的時間，對于一些分辨率較大的檢測圖像進行人體檢測時無法達到實時性要求。本文對圖像直接以單元為單位進行梯度計算，實驗得到適中的特征計算覆蓋率，在保證了檢

4、測正確率的前提下，降低了檢測時間。
　　此外，在空間上下文驗證環(huán)節(jié)中，本文加入了基于LBP紋理特征的人體驗證。LBP紋理特征分類器，以對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，本文采用具有旋轉不變性的一致模式的LBP算子，使用對于小樣本具有較好分類性能的SVM(SupportVectorMachine支持向理機)進行分類學習，得到人體紋理分類器。加入到人體驗證環(huán)節(jié)中，