基于混合局部二值模式的快速特征金字塔方法的行人檢測研究.pdf

1、在現(xiàn)代生活中智能汽車的出現(xiàn)和視頻監(jiān)控的大規(guī)模應(yīng)用，使得對于場景中的物體分析變得愈發(fā)的重要，而在這之中對于行人的檢測變的十分具有應(yīng)用意義。行人檢測技術(shù)已經(jīng)成為了一門應(yīng)用廣泛的技術(shù)。在現(xiàn)實場景中，由于行人在姿態(tài)和大小上存在多樣性的不同以及光照強弱所造成的多樣性的干擾，導(dǎo)致行人檢測技術(shù)中還存在著很多需要解決的問題。
　　行人檢測研究的重點之一就是訓(xùn)練得到一個區(qū)分能力強的分類器。傳統(tǒng)的方法中采用的諸如梯度方向直方圖(HOG)、局部二值模式

2、(LBP)、SIFT等特征進行分類器的訓(xùn)練，并得到具有一定檢測能力的行人檢測分類器，但是這些分類器的檢測效果并不是十分的理想。因此，本文提出了使用圖像編碼的二值模式對待檢測的圖像進行二值編碼的轉(zhuǎn)換，把復(fù)雜的模式計算過程轉(zhuǎn)換為簡單模式計算過程并得到區(qū)分能力強的特征圖像，同時采用快速特征金字塔的方法得到相鄰特征圖像之間的放縮估計參數(shù)，通過這個參數(shù)進行實驗并實施檢測。本文主要的研究內(nèi)容如下:
　　1)本文提出了一種新的特征。通過對比HO

3、G特征和LBP特征的實現(xiàn)細(xì)節(jié)，發(fā)現(xiàn)在保留梯度方向算子的前提下，依然有較大的改進空間從而提升系統(tǒng)的運行效率。因此采用新的方法設(shè)計新特征-BPG特征，BPG特征為把梯度方向分成8個bin的范圍，在不同的梯度方向bin上統(tǒng)計相應(yīng)梯度值的累加，求8方向的bin值的均值作為判斷的閾值，通過與閾值進行作差的比較進行相應(yīng)二值化編碼過程得到BPG特征。實驗結(jié)果分析表明:新特征具有更好的識別能力，且能實現(xiàn)較好的識別效果。
　　2)使用BPG特征和L

4、BP特征作為訓(xùn)練和分類過程中使用的特征池。由于在圖像檢測過程中采用的是金字塔放縮的思想對圖片進行放縮檢驗，因此在放縮到一定的級數(shù)之后，圖像的BPG特征將會出現(xiàn)部分特征弱化的情況，這時的識別效果將會出現(xiàn)影響，引入簡單的LBP特征會在圖片進行放縮之后對圖片特征中丟失的信息加以補充，從而提高檢測的效率。
　　3)本文采用的是動態(tài)閾值的Adaboost算法進行訓(xùn)練并得到強分類器。動態(tài)閾值的求解可以避免在選擇每一級強分類閾值的過程中隨機選擇