多特征融合的行人檢測算法的研究和實現(xiàn).pdf

1、行人檢測是計算機視覺中的一個熱點問題，在機器人學、無人駕駛、虛擬現(xiàn)實技術以及一些軍事領域都有廣泛的應用前景。同時，作為新崛起的機動車大國，我國每年都會發(fā)生許多的交通事故，并造成大量的人員傷亡和財產損失。而在交通事故中行人最易受傷害，因此對行人進行檢測在智能交通的實現(xiàn)中具有重要意義。
　　現(xiàn)實條件下，行人檢測因為行人的非剛性、多樣性，背景的復雜性等因素研究難度較高。本文在已有算法的基礎上，提出了多種特征融合的行人檢測算法。首先，利用

2、基于顏色分割和邊緣對稱性分割算法提取感興趣區(qū)域。顏色分割能快速識別出圖中人體膚色區(qū)域，但若行人沒有裸露的皮膚或背景顏色與皮膚過于接近，則顏色分割算法將不太可靠，這時基于邊緣對稱性的分割算法可以彌補顏色分割算法的不足。然后要對感興趣區(qū)域進行行人檢測，本文采取了基于滑動窗口的方法，用HOG-PCA+CENTRIST檢測行人整體、Haar與積分圖相結合檢測人頭，這是因為HOG具有良好的檢測特性但是維數(shù)過高且對彎曲敏感，故采用PCA進行降維處理

3、，CENTRIST計算速度快，且能反映目標整體輪廓信息，兩者算法具有互補性。在檢測出行人的滑動窗口中，再用Haar檢測人頭，采用積分圖技術加速計算。為了檢測各個尺寸大小的行人，本文基于SVM、AdaBoost為3種特征分別訓練了4個尺度的分類器，以增大分類器訓練的工作量為代價，減少了檢測的計算量。最后，采用本文的窗口融合算法對各級檢測窗口進行融合。
　　基于INRIA的實驗結果表明，本文提出的基于多特征融合的行人檢測算法在FPPI