使用多特征和多线索的驾驶员人脸检测技术.pdf

使用多特征和多线索的驾驶员人脸检测技术.pdf

ID:50116297

大小:3.07 MB

页数:60页

时间:2020-03-05

使用多特征和多线索的驾驶员人脸检测技术.pdf_第1页
使用多特征和多线索的驾驶员人脸检测技术.pdf_第2页
使用多特征和多线索的驾驶员人脸检测技术.pdf_第3页
使用多特征和多线索的驾驶员人脸检测技术.pdf_第4页
使用多特征和多线索的驾驶员人脸检测技术.pdf_第5页
资源描述:

《使用多特征和多线索的驾驶员人脸检测技术.pdf》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、使用多特征和多线索的驾驶员人脸检测技术胥小马2015年6月中图分类号:TQ028.1UDC分类号:540使用多特征和多线索的驾驶员人脸检测技术作者姓名胥小马学院名称计算机学院指导教师贾云得教授裴明涛副教授答辩委员会主席陆耀教授申请学位工程硕士学科专业计算机技术学位授予单位北京理工大学论文答辩日期2015年6月DriverFaceDetectionUsingMulti-featureandMulti-clueCandidateName:XiaomaXuSchoolorDepartment:SchoolofComputer

2、ScienceFacultyMentor:Prof.YundeJiaAssociateProf.MingtaoPeiChair,ThesisCommittee:Prof.YaoLuDegreeApplied:MasterofEngineeringMajor:ComputerTechnologyDegreeby:BeijingInstituteofTechnologyTheDateofDefence:June,2015研究成果声明本人郑重声明:所提交的学位论文是我本人在指导教师的指导下进行的研究工作获得的研究成果。尽我所

3、知,文中除特别标注和致谢的地方外,学位论文中不包含其他人已经发表或撰写过的研究成果,也不包含为获得北京理工大学或其它教育机构的学位或证书所使用过的材料。与我一同工作的合作者对此研究工作所做的任何贡献均已在学位论文中作了明确的说明并表示了谢意。特此申明。签名:日期:北京理工大学硕士学位论文摘要随着道路交通安全问题越来越被社会重视,驾驶员人脸检测技术成为智能交通系统中非常重要的模块。由于驾驶室特殊的环境,一般的人脸检测技术应用于驾驶员人脸检测的效果都不好。为解决此问题,本文使用多特征和多线索进行驾驶员人脸检测,在道路监控摄

4、像头采集到的真实车辆正面图像数据集上,取得了准确率和召回率都超过90%的效果。本文设计的驾驶员人脸检测技术分为三个阶段:首先,使用车辆检测得到的车辆位置信息,从原始图像中提取出包含车辆的区域,作为待检测区域;然后,使用聚合通道特征(包括LBP和HOG子通道特征),结合级联AdaBoost的检测方法,从待检测区域中得到一些候选人脸窗口;最后,使用部件模型的思想,将车牌与人脸作为一个整体,通过验证整体的合理性,反过来推断部件的合理性,过滤掉大部分误检的人脸候选窗口。其中,在第二阶段我们尽量提高检测器的召回率,降低漏检。在接

5、下来的阶段,我们通过部件模型的思想过滤掉不合理的人脸候选窗口,在对召回率影响不大的前提下,使准确率达到了理想水平。我们收集了1402张真实的车辆正面图像,分为白天和晚上的两部分。在此数据集上验证了我们的算法的有效性,晚上驾驶员人脸检测的准确率为99.33%,召回率为93.87%;白天驾驶员人脸检测的准确率为96.28%,召回率为91.46%。关键词:驾驶员;人脸检测;聚合通道特征;LBP;HOG;车辆定位;车牌定位;部件模型I北京理工大学硕士学位论文AbstractAstheTraficSafetyissuesattr

6、actmoreandmoreattentioninoursociety.ThederiverfacedetectiontechnologybecomesaveryimportantmoduleintheIntelligentTransportationSystem.Forthespecialenvironmentinthecab,normalfacedetectionmethodsallgetpoorperformance.Tofigurethisproblem,thisarticleusesmulti-feature

7、sandmulti-cluesfordriverfacedetection.Wegetperfectpervormanceonrealvehiclefrontviewimagedataset,whitchiscollectbysurveillanceontheroad.Thepredictionrateandrecallratearebothmorethan90%.Thedriverfacedetectionarchitecturewedesignedconsistsofthreestages:Inthefirstst

8、age,weusevehiclelocationinformationwhichisgotfromvehicledetection,toextractdetectionregionfromtheoriginalimage.ThencombinetheAggregateChannelFeature(e.g.LBP,HOGetc.)a

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。