基于机器学习的指定行人检测的研究与实现

《基于机器学习的指定行人检测的研究与实现》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、分类号：单位代码：１０１４０密级：公开学号：４０３１５４１９５３．◎ＬＩＡＯＮＩＮＧＵＮＩＶＥＲＳＩＴＹ专业学位论文ＴＨＥＳＩＳＦＯＲＰＲＯＦＥＳＳＩＯＮＡＬＭＡＳＴＥＲＤＥＧＲＥＥ中文题目：基于机器学习的指定行人检测的研究与实现ＲｅｓｅａｒｃｈａｎｄＩｍｐｌｅｍｅｎｔａｔｉｏｎｏｆＳｐｅｃｉｆｉｅｄＰｅｄｅｓｔｒｉａｎ英文题目：ＤｅｎｔｅｃｔｉｏｎＢａｓｅｄｏｎＭａｃｈｉｎｅＬｅａｒｎｉｇ论文作者：杨志强指导教师：张大波教授专业：软

2、件工程完成时间一：二〇八年五月辽宁大学硕士专业学位论文基于机器学习的指定行人检测的研究与实现ResearchandImplementationofSpecifiedPedestrianDetectionBasedonMachineLearning作者：杨志强指导教师：张大波教授专业：软件工程专业方向：图像识别答辩日期：2018年5月二〇一八年五月·中国沈阳辽宁大学学位论文原创性声明本人郑重声明：所呈交的学位论文是本人在导师的指导下独立完成的。论文中取得的研究成果除加以标注的内容外，不包含其

3、他个人或集体已经发表或撰写过的研究成果，不包含本人为获得其他学位而使用过的成果。对本文的研究做出重要贡献的个人和集体均已在文中进行了标注，并表示谢意。本人完全意识到本声明的法律结果由本人承担。学位论文作者签名：私ｔ邊、学位论文版权使用授权书本学位论文作者完全了解学校有关保留、使用学位论文的规定，同意学校保留并向国家有关部门或机构送交学位论文的原件、复印件和电子版，允许学位论文被查阅和借阅。本人授权辽宁大学可以将本学位论文的全部或部分内容编入有关数据库进行检索，可以采

4、用影印、缩印或扫描等复制手段保存和汇编学位论文。同时授权中国学术期刊（光盘版）电子杂志社将本学位论文收录到《中国博士学位论文全文数据库》和《中国优秀硕士学位论文全文数据库》并通过网络向社会公众提供信息服务。学校须按照授权对学位论文进行管理，不得超越授权对学位论文进行任意处理。保密（），在年后解密适用本授权书。（保密：请在括号内＿“划授权人签名：＾指导教师签名：日期：年ｒ月釦日日期：厶Ｊ年ｔ月知日摘要摘要人工智能领域近年来得到了快速的发展，这得益于计算机处理能力的

5、提升以及先进的机器学习算法。因此，在许多使用传统算法难以解决的问题，使用人工智能算法都逐步地被解决。一直以来，行人识别问题都面临着传统算法难以解决的困难，如光照、遮挡、背景变化等问题。使用单一的算法在多变的环境下提取行人的特征也是很难实现的。由于基于机器学习的算法能够通过学习训练来获得对外界变化适应的能力，因此，本文提出使用机器学习中卷积神经网络和循环神经网络的方法对指定行人进行识别。首先，对于行人视频中的一帧，本文采用提取行人姿态的方式来定义一帧的特征。而对于一个人的姿态是通过16个关节点（右踝、右膝盖

6、、右臀、左臀、左膝、左踝、盆骨、胸部、脖子、头顶、右手腕、右手肘、右肩、左肩、左手肘、左手腕）定义的。因为通过此种方法提取特征可以减弱行人穿着、背景变化以及光照等因素的影响。采用的方法是使用卷积神经网络对人体各部分进行识别，并且将该识别的区域通过热图的方式找到最佳能代表该部分的点。此外，由于训练数据集中对行人身体被遮挡的部分也有标注，所以本算法对于部分遮挡情况也有一定的识别能力。其次，对于行人的特征，本文采用一系列视频帧中行人的姿态特征（走路姿态或步态）表示。这种方式属于基于时间序列化特征提取的问题，采用

7、具体方法是使用有一定记忆功能的循环神经网络来实现的。根据视频帧的顺序，每一帧的姿态特征作为循环神经网络一个时刻的输入，而循环神经网络会根据自身的参数选择所记忆部分以及遗忘的部分，如此经过多帧的迭代，得到最终的输出，即为行人的特征。最后，本文使用上述算法实现了一个行人识别的系统，其中系统包括一个行人定位模块，是采用梯度直方图与支持向量机的原理。这是因为本文的姿态识别算法只能识别人物位于图像中央的图片。因此对于实际应用场合中可使用行人定位模块找到该行人再对其进行姿态提取。本系统通过建立行人数据库，进行特征比对

8、，从而实现了行人识别的基本功能。关键词：机器学习，卷积神经网络，循环神经网络，指定行人识别，步态识别，姿态识别IAbstractABSTRACTThefieldofartificialintelligencehasdevelopedrapidlyinrecentyears,thankstotheimprovementofcomputerprocessingcapabilitiesandadvancedmachinelearni