基于模式分類的人體檢測技術(shù)的研究.pdf

1、人體檢測是人體運(yùn)動(dòng)視覺分析的重要組成部分，是近年來計(jì)算機(jī)視覺領(lǐng)域備受關(guān)注的前沿方向和研究熱點(diǎn)。它在智能監(jiān)控、駕駛員輔助系統(tǒng)、運(yùn)動(dòng)分析、高級(jí)人機(jī)接口具有廣泛的應(yīng)用前景?；谀Ｊ椒诸惖娜梭w檢測利用統(tǒng)計(jì)學(xué)習(xí)的方法從樣本中自動(dòng)學(xué)習(xí)人體模型的知識(shí)，把人體檢測看作一個(gè)模式分類的問題。本文以Viola提出的結(jié)合人體外形信息和運(yùn)動(dòng)信息的方法為基礎(chǔ)，分別從四個(gè)方面進(jìn)行改進(jìn)：進(jìn)一步豐富特征集，加入了45°傾斜的矩形特征和邊緣方向直方圖(Edge Orien

2、tation Histogram)特征；用Gentle AdaBoost方法替代了Discrete AdaBoost方法，使訓(xùn)練算法更加穩(wěn)定，性能得到提高；引入了代價(jià)函數(shù)使級(jí)聯(lián)分類器的訓(xùn)練從原來的手定訓(xùn)練目標(biāo)成為自動(dòng)訓(xùn)練；增加了歸并包圍盒的后處理算法和連續(xù)性分析，進(jìn)一步提高算法的檢測率和降低誤報(bào)率。通過這些改進(jìn)，經(jīng)實(shí)驗(yàn)證明我們的方法在誤報(bào)率為1/400000下，檢測率可以達(dá)到90％以上，并且運(yùn)行時(shí)間為217ms。另外，本文的另一個(gè)貢獻(xiàn)是