基于視頻序列的行人檢測方法研究.pdf

1、基于視頻序列的行人檢測問題是當前計算機視覺和模式識別領域的一個重要研究方向，它在智能視頻監(jiān)控、智能汽車系統(tǒng)、人機交互等領域有著廣泛的應用前景。本文對攝像頭靜止和運動狀態(tài)下的行人檢測問題分別進行了討論，重點研究了攝像頭運動狀態(tài)下的行人檢測方法。 對于攝像裝置靜止狀態(tài)下的行人檢測問題，本文采用背景差法檢測行人，利用混合高斯模型更新背景圖像。針對行人檢測中，多個行人被檢測為一個大目標的問題，本文給出了簡單可行的行人分割的方法。實驗結果

2、表明，在320×240大小的測試視頻上，本文所采用的方法每幀只需要30ms左右，并且本文給出的分割方法可以達到95％以上的分割準確度。 對于攝像裝置運動狀態(tài)下行人檢測問題，本文采用了基于AdaBoost算法的行人檢測方法，并從訓練學習方法和特征選擇兩個角度分別進行討論。 訓練學習方法方面，本文給出Gentle AdaBoost算法的基于查表法(LUT)的實現(xiàn)，在此基礎上提出了一種非等間隔劃分區(qū)間的Gentle AdaBo

3、ost的實現(xiàn)方式。實驗表明，本文提出的改進方法在同等條件下，比原始方法訓練所得結果的性能有大約5％的提高。 特征選擇方面，本文提出了特征預篩選方法，用于減少特征數(shù)目，提高訓練效率。實驗結果表明，經過特征預篩選后，訓練速度大為提高，3000個樣本通常只需要10小時左右。同時，本文引入的邊緣方向直方圖(Edge of Orientation Histogram，EOH)特征，它可以有效的表征行人的特征，在千分之一的窗口誤報率下，EO