基于星型模型與改進EMK算子的人體檢測方法研究.pdf

1、人體檢測是在計算機視覺和人工智能領(lǐng)域里的一個重要研究課題，在視頻監(jiān)控，智能交通，機器人以及智能汽車，高級人機交互系統(tǒng)，人體運動分析和圖像檢索等方面具有重要的應用，因此，近些年受到了人們的廣泛關(guān)注。但是由于人體著裝的多樣性，姿態(tài)的各異性，人體之間的遮擋，背景的嘈雜以及光照等因素的影響增大了圖像中人體檢測工作的困難性，同時也吸引了更多的學著投入到此項工作的研究中。
　　本文首先根據(jù)人體的幾何特性運用了一種基于部位既基于星型模型的方法，

2、結(jié)合HOG特征進行人體檢測，然后提出了一種基于第二代條帶波變換和星型模型相結(jié)合的人體檢測方法，提高了人體檢測的正確率，降低了人體檢測的虛景率。緊接著本文介紹了一種新的基于局部特征的描述子，是一種低維高效的描述子，在如何利用該描述子可以更好的描述圖像特征以及提高人體檢測的魯棒性方面做了大量的工作。主要涉及到基于統(tǒng)計學習的研究方法，基于部位的人體檢測方法，基于詞袋的圖像特征表示方法等。
　　本文主要工作如下：
　　1、研究了一種

3、基于星型模型的人體檢測方法，該方法主要是將HOG特征與星型模型相結(jié)合，將人體視為一種星型的模型，將各個部位與根節(jié)點之間的關(guān)系視為彈性連接，星型結(jié)構(gòu)主要是將人體分為五個部分，然后利用HOG特征對這五個部分以及整個人體分別進行特征提取，再利用Adaboost分類器對這些特征進行分類訓練。利用分類器的輸出值對圖像中的人體進行判定，得到最終的檢測結(jié)果。
　　2、研究了一種條帶波變換和星型模型的人體檢測方法。該方法主要是將第二代條帶波變化與

4、星型結(jié)構(gòu)相結(jié)合，將第二代條帶波變化系數(shù)以及該系數(shù)的統(tǒng)計特征作為最終提取的人體特征，星型結(jié)構(gòu)主要是將人體分為五個部分，然后利用第二代條帶波變換對這五個部分以及整個人體分別進行特征提取，再利用Adaboost分類器對這些特征進行分類訓練。根據(jù)事先訓練的人體根部位和各個部位空間幾何關(guān)系得到各個部位與根節(jié)點間的形變代價，最終將各個部位以及根部位匹配到圖像中，該方法可確定各個部位以及整個人體的位置。
　　3、利用一種高效匹配核的特征表征人體