行人检测介绍教学教材.ppt

《行人检测介绍教学教材.ppt》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、行人检测介绍行人检测的方法非机器学习的方法基于机器学习方法行人检测1.帧差法2.背景差分法3.光流法4.基于模板匹配法受场景影响大，检测率低、误报率高基本采用这种方法来实现检测行人检测的系统框架行人检测问题本质上是一种模式识别问题，典型的模式识别系统框架如下图。数据获取模式空间预处理特征提取特征向量特征空间分类器设计分类决策类型空间模式识别训练样本特征提取和选择分类器XY样本识别目前主流的行人检测框架如下图。创建标准数据集特征提取训练两类分类器最终分类器训练多尺度扫描图像特征提取利用分类器进行分类决策融合多尺度上的检测结果检测检测结果避免多尺度扫描感兴趣区域分割ROI区域特

2、征提取分类决策检测结果优点：检测速度快缺点：检测效果不如滑动窗口法，容易漏检图像分割图像分割基于边缘的方法阈值法特征聚类算法Prewitt算子Sobel算子Canny算子边缘走向，像素值幅度变化平缓，垂直变化剧烈，所以边缘上像素值一阶导数较大，二阶导数在边缘处值为0，呈现零交叉基于直方图灰度分布的阈值法基于类间方差的阈值法基于熵的划分K-均值聚类均值漂移基于图论canny算法高斯滤波器平滑图像一阶偏导的有限差分来计算梯度的幅值和方向对梯度幅值进行非极大值抑制双阈值法检测和连接边缘中心像素C与沿着梯度线的两个像素相比，若C的梯度值不比dTmp1和dTmp2大，则令其灰度值为0

3、对非极大值抑制图像作用两个阈值th1和th2，两者关系th1=0.4th2。我们把梯度值小于th1的像素的灰度值设为0，得到图像1。然后把梯度值小于th2的像素的灰度值设为0，得到图像2。由于图像2的阈值较高，去除大部分噪音，但同时也损失了有用的边缘信息。而图像1的阈值较低，保留了较多的信息，我们可以以图像2为基础，以图像1为补充来连结图像的边缘。canny算法边缘检测效果K-均值聚类聚类前：聚类后：判断d最大对应的u的相邻两聚类中心平均值作为阈值进行二值化均值聚类分割效果HOG特征输入图像Gamma归一化计算梯度在每个cell中将梯度投影到梯度方向将cells在block

4、内归一化对图像对比度进行调节HOG特征是通过计算图像局部区域的梯度方向直方图来构建行人特征谢谢此课件下载可自行编辑修改，仅供参考！感谢您的支持，我们努力做得更好！谢谢