基于人体部件的复杂场景行人检测研究

《基于人体部件的复杂场景行人检测研究》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、学校代码：10406分类号：TP391.4学号：130083500003南昌航空大学硕士学位论文（学术学位研究生）基于人体部件的复杂场景行人检测研究硕士研究生：成俊导师：储珺教授申请学位级别：硕士学科、专业：软件工程所在单位：软件学院答辩日期：2016.05授予学位单位：南昌航空大学PedestrianDetectionBasedonHumanBodyPartsinComplexSceneADissertationSubmittedfortheDegreeofMasteronSoftwareEngineeringbyChengJunUnd

2、ertheSupervisionofProf.ChuJunSchoolofSoftwareEngineeringNanchangHangkongUniversity,Nanchang,ChinaMay,2016南昌航空大学硕士学位论文摘要摘要资金资助：本论文得到国家自然科学基金项目(NO.61263046,2013.01-2016.12)的支持和资助行人检测在军事国防管理、遇险人员搜救、交通状态判别、汽车辅助驾驶以及智能家居等方面有着重要的应用。基于图像的行人检测是对图片中的行人位置进行定位，并用标记框框出行人。其中基于特征的行人检测算法

3、首先对图像进行特征学习分类形成检测器，再输入图像检测出图像中的行人。由于现实情况中行人环境场景的不确定性以及被检测目标人体自身的非刚性，行人检测准确定位仍然是一大挑战。其研究的难点在于：寻找一种更具鲁棒性的图像特征描述子，以此来描述复杂场景下多行人遮挡时的行人。这类特征不仅能够较好地描述行人特征，还能有效地区分行人之间的相似性；寻找一种更加有效的人体部件检测算法，能高效识别复杂场景中的行人。针对此问题，本文在传统HOG特征+SVM行人检测方法的基础上，着重讨论了如何建立一种更有效的行人特征描述方法，弥补图像底层特征表达能力不足的问题和如何

4、构建更有效的部件模型来检测遮挡行人。本文从特征表达选择和人体部件模型两方面，对复杂场景中的行人检测进行深入研究。针对传统行人检测中存在人体全局特征表达能力不足，以及遮挡行人检测精度较低的问题，结合fishervector的优点，本文提出一种基于fishervector的人体部件检测算法。算法用fishervector量化人体部件和整体的HOG特征，并用支持向量机学习训练得到人体部件分类器和整体分类器；然后用Hough投票对整体分类器和部件分类器的分类结果进行投票，得分最高者代表行人位置；并用非极大值抑制消除虚警，并在标准行人数据库INRI

5、A上进行实验验证。针对复杂场景中提取的HOG全局特征受外界干扰，部分特征不能很好地表达遮挡行人特征的问题，提出一种基于特征选择的加权可变形部件人体检测算法。首先利用稀疏分数的特征选择算法在HOG特征集上选择最具代表性的行人描述特征；再利用梯度下降优化权值法对DPM的各部件进行权值排序；最后结合LSVM训练算法形成高判别力的分类器，并通过实验进行验证。本文利用MATLAB2014B来完成实验设计，在标准行人数据库INRIA上进行对比实验，通过实验结果表明，本文提出的两种方法在复杂场景下的多行人检测具有较高的精度和鲁棒性。关键字：行人检测，费

6、舍尔向量，人体部件，特征选择，行人遮挡I南昌航空大学硕士学位论文AbstractAbstractPedestriandetectionhasawiderangeofimportantapplicationinmilitary&nationaldefense,distresspersonsearching,trafficconditionrecognizing,theauxiliarydrivingandintelligenthouseholdandsoon.Thisdetectionbasedonimagecharacteristicis

7、tolocatethepedestrianpositionintheimagesandmarksoutthepedestrianswithblankbox.Thedetectionalgorithmfirstlylearnslearnsthecharacteristicofimagetoformthedetector,thenputimageintothedetectortodetectthepedestrians.Becauseoftheuncertaintyoftheenvironmentsceneinrealityandthebod

8、y'sownnon-rigidsituation,theaccuracyofpedestriandetectionhasabigchallenge.Thedifficultiesofthest