基于興趣區(qū)域和MB-LBP特征的魯棒行人檢測.pdf

1、行人檢測在輔助駕駛、交通控制、安全監(jiān)護等領(lǐng)域的有著廣泛應(yīng)用，過去20十年中，行人檢測成為計算機視覺和機器學習領(lǐng)域中的熱門研究課題?，F(xiàn)在智能汽車希望有檢測和跟蹤行人的保護功能以防止或減少交通事故的發(fā)生。盡管目前已有很多研究機構(gòu)提出了各種不同的行人檢測系統(tǒng)，但很多都不能做到實時檢測。此外，還有一些共同的問題，如遮擋、背景重疊、光照變化、行人姿態(tài)的變化等。本文目的是設(shè)計快速、魯棒的行人檢測模型，通過從數(shù)據(jù)中學習表示模式，達到有效將他們分類的目

2、標（行人和非行人）。本博士論文主要工作如下：1）：提出了一種基于興趣區(qū)域法來檢測行人。該方法具有計算量低，檢測速度快的特性。因良好的效果，滑動窗口法在行人檢測中廣泛應(yīng)用。滑動窗口法考慮所有可能的子窗口，然后通過分類器去判別決定其是否為行人。對一幅大場景圖來說，搜索所有可能的的子窗口的計算量非常巨大。巨大的計算量導致無法做到實時，因此搜索區(qū)域必須減少。但是，興趣區(qū)域則會減少檢測子窗口數(shù)量。2），本文提出了多塊局部二進制描述子用著行人檢測。

3、該描述子表示局部鄰域的外觀和行人目標的細節(jié)，在固定分辨率下獲得的特征模式，組合得到高維特征。該描述子對光照變化、顏色和方向旋轉(zhuǎn)等有很強的魯棒性和很好的判別能力。好的檢測結(jié)果是基于局部鄰域的。為了使得行人描述子更加魯棒，本文提出了稀疏多塊局部二進制模式。3）構(gòu)造了一個級聯(lián)分類器，該分類器能處理重要的信息。盡管現(xiàn)有自適應(yīng)迭代算法，神經(jīng)網(wǎng)絡(luò)和支持向量機等分類器，但他們都不能做到實時檢測，導致很長的處理時間。本論文，提出了級聯(lián)改進的費歇判別分類