基于稀疏表示的行人檢測方法研究.pdf

1、行人檢測是目標檢測中的一個熱點研究領域，并且得到越來越多研究者們廣泛的研究。行人檢測在諸如視頻監(jiān)控和駕駛輔助安全系統(tǒng)等真實場景中有著重要的應用。然而行人檢測面臨許多復雜的難題，如行人自身姿態(tài)、衣著多變，并且行人檢測極易受到光照、復雜背景等外部環(huán)境的影響，這些難點使得行人檢測是一項充滿挑戰(zhàn)性的研究課題。
　　本文主要研究行人檢測特征提取方法，通過基于稀疏表示的原理有效的提取行人特征，從而提高行人檢測精度。本文具體的研究內(nèi)容如下:

2、r>　　(1)實現(xiàn)了一種多重稀疏字典直方圖的行人特征提取方法。通過稀疏表示原理，預先學習多個不同稀疏度的行人字典，分別利用每一個字典對行人圖像進行稀疏表示，得到稀疏表示系數(shù)所對應字典中的原子，從而統(tǒng)計每個原子在字典中的累計分布直方圖，最終得到多個不同稀疏度字典的直方圖作為行人的描述特征，多重稀疏字典直方圖特征記錄了行人圖像的特征的統(tǒng)計信息。實驗數(shù)據(jù)表明，通過多個字典對行人圖像進行稀疏表示可以學習到豐富的行人特征，這種特征能夠?qū)π腥诉M行有

3、效的描述，并且特征維數(shù)低，具有良好的行人分類效果。
　　(2)給出了一種基于多重稀疏字典直方圖融合梯度方向直方圖的特征提取方法。梯度方向直方圖記錄的是圖像梯度的統(tǒng)計信息，多重稀疏字典直方圖記錄了圖像諸如角點、邊緣等豐富的特征統(tǒng)計信息。通過稀疏表示方法提取多重稀疏字典直方圖特征，并融合梯度方向直方圖作為行人的特征描述子。二者融合有效的克服了單一特征描述能力不足的問題，增強了特征的互補性，能夠更加準確的描述行人，通過實驗數(shù)據(jù)和在真實場