基于多特征级联的行人检测方法研究

《基于多特征级联的行人检测方法研究》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、分类号TP391密级公开UDC004学位论文编号D-10617-308-(2016)-02091重庆邮电大学硕士学位论文中文题目基于多特征级联的行人检测方法研究英文题目ResearchonPedestrianDetectionMethodBasedonMultipleFeatureCascade学号S130201094姓名邹宽中学位类别工学硕士学科专业计算机科学与技术指导教师甘玲教授完成日期2016年3月30日重庆邮电大学硕士学位论文摘要摘要随着当今社会人工智能、计算机视觉及智能监控、智能交通的发展，行人检测技术受到越来越多的关注，并广泛的应用于智能监控

2、、智能交通、高级人机交互等领域。本文主要对基于HOG特征的行人检测方法进行了深入的研究，并在此基础上提出了相应的改进：利用主成分分析(PCA)对HOG特征进行降维，降维后的HOG特征、Gabor特征、颜色特征级联为多特征对行人进行检测。主要的研究工作如下：1.针对现有基于梯度方向直方图(HOG)的行人检测方法维度比较高，并且存在大量的冗余信息，这些大量的冗余信息可以降低分类的速度，有些维度信息降低了识别的精度，提出了运用PCA降维的HOG特征的行人检测方法，对HOG特征从20维度到3000维度做了14次实验，在兼顾识别率和时间效率的情况下，选取了HOG特

3、征的合适的维度。并对降维前后在DET曲线和运行时间上做了对比。2.HOG特征能够很好的表征行人的特征，但是在单一特征的情况下检测率不高，所以提出一种基于多特征级联的行人检测方法，利用降维后的HOG特征、Gabor特征、颜色特征(RGB、HSI)进行级联，其中Gabor特征选取四尺度八方向的二维Gabor值，选取颜色特征中的空间特征值、均值及标准差，级联后的特征作为行人检测的联合特征，最后使用支持向量机(SVM)的径向基核函数(RBF)进行分类。使用INRIA数据集作为分类器的训练库和测试库，该方法在INRIA行人库上的实验表明，不但提高了分类的速度，而且

4、提高了检测的准确率，检测结果对于单行人的情况下取得了较好的检测效果，对于多行人或者复杂场景就会出现漏检或者误检测的情况。关键词：行人检测，梯度方向直方图，PCA降维，INRIA数据集，径向基核函数(RBF)I重庆邮电大学硕士学位论文AbstractAbstractWiththedevelopmentsofartificialintelligence,computervision,intelligentmonitoringtechnologyandintelligenttransportationinmodernsociety,PedestrianDete

5、ctiontechnologyhasbeenreceivedmoreandmoreattentionandwidelyusedinthefieldofintelligentmonitoringtechnology,intelligenttransportation,advancedhuman-computerinteractionandsoon.ThisthesismainlyfocusesonpedestriandetectionmethodbasedonHOGfeaturesin-depthresearch,andthecorrespondingim

6、provedmethodisproposedonthebasisoftheabovemethod:reducingHOGfeaturedimensionusingprincipalcomponentanalysis(PCA)andpedestriandetectionbasedonmulti-featurescascadewhichcascadestheHOGfeatureafterdimensionreductionwiththeGaborfeatureandthecolorfeature.Researchresultsareshownasfollow

7、s:1.Theexistingpedestriandetectionmethodsbasedonhistogramoforientedgridients(HOG)havetheproblemsofrelativelyhighdimensionandalotofredundantinformationwhichcouldreduceclassificationspeed,somedimensionalinformationmayreducetheaccuracyofrecognition.Thisthesisproposedapedestriandetec

8、tionmethodofHOGfeatureusingPCAdimensionr