基于分類器算法的行人檢測研究.pdf

1、視頻圖像中的行人檢測問題是計算機視覺領域中的重要課題之一，由于其在智能駕駛、安全監(jiān)控、軍事偵察等方面應用的廣泛性，行人檢測問題在學術界和工業(yè)界一直是研究的難點與熱點。但是行人檢測問題存在著諸多挑戰(zhàn)：如何確定行人在視頻圖像中的運動區(qū)域，如何對行人在視頻圖像中進行恰當?shù)谋磉_，如何實現(xiàn)行人檢測器的構造，要達到實用性較強的行人檢測效果，這幾個方面必須均有良好的算法支撐。
　　目前，在行人檢測課題上的研究前人已經有了一定的工作基礎，在某些不

2、復雜的場景下行人檢測效果基本能夠達到較好的指標，但是在更為復雜的應用場景下，主要在動態(tài)背景與行人有部分遮擋時，前人的行人檢測算法表現(xiàn)均難以達到實用性的要求。
　　為進一步提高行人檢測效果，并在一定程度上改善在動態(tài)背景下以及有局部遮擋情況下行人檢測困難的問題，本文從行人檢測所涉及到的運動前景提取、特征設計與分類算法各方面進行改進和研究。
　　1.在行人運動前景區(qū)域的提取中，對一種運動前景提取效果優(yōu)秀的方法提出了改進與優(yōu)化，對原

3、方法基于兩個深度自編碼網絡對視頻圖像中背景進行提取與學習的過程增加了隨機噪聲輸入，以及使用背景學習網絡的輸出對背景提取網絡進行修正，進而提取運動前景，通過對網絡結構的改進得到更魯棒的前景提取算法；
　　2.在圖像中行人的特征設計與提取中，通過對行人檢測中常用的特征分析對比，采用對行人特征刻畫較優(yōu)且編碼簡潔的CENTRIST特征，并且對該特征提出針對于行人部分遮擋問題的改進，使用行人部件的局部聯(lián)合CENTRIST特征代替行人整體CE

4、NTRIST特征，實驗也證實了重新構造的行人特征在局部遮擋下具有更強的不變性；
　　3.在分類算法的設計中，提出了一種多自編碼網絡與支持向量機的行人檢測分類器算法。為了保持行人特征各部件之間的獨立性，針對行人局部聯(lián)合特征的處理提出一種采用多個深度自編碼網絡的結構，對行人不同部件特征分量分別通過各自對應的深度自編碼網絡進行壓縮編碼，特征強化的同時也得到了進一步的抽象，將不同的分類器算法思想進行交叉融合，深度神經網絡與支持向量機進行組