基于多特征和級(jí)聯(lián)分類器的人體檢測(cè)算法.pdf

1、人體檢測(cè)是模式識(shí)別與計(jì)算機(jī)視覺(jué)領(lǐng)域中研究的熱點(diǎn),具有較強(qiáng)的理論意義和應(yīng)用價(jià)值,如:機(jī)器人視覺(jué)、智能視頻監(jiān)控和人體行為分析等。目前,人體檢測(cè)算法已經(jīng)取得一定的研究成果,但因?yàn)槿梭w的姿態(tài)、外觀多樣性、遮擋及背景復(fù)雜等問(wèn)題,導(dǎo)致傳統(tǒng)算法不能很好的平衡實(shí)時(shí)性、魯棒性和準(zhǔn)確性。本文針對(duì)這一問(wèn)題,設(shè)計(jì)了一種多特征和級(jí)聯(lián)分類器的快速魯棒人體檢測(cè)算法,算法分為假設(shè)產(chǎn)生階段和假設(shè)驗(yàn)證階段。本文的主要工作和創(chuàng)新點(diǎn)如下:
　　1、總結(jié)并掌握人體檢測(cè)步驟

2、,方法,并詳細(xì)介紹基于特征描述的人體檢測(cè)算法,分析并比較了各種算法的優(yōu)缺點(diǎn)。
　　2、假設(shè)產(chǎn)生階段,針對(duì)多尺度方向特征對(duì)復(fù)雜背景的人體邊緣輪廓特征描述不足的問(wèn)題,改進(jìn)了多尺度方向特征,稱為“擴(kuò)展的多尺度方向特征”,即在原有特征塊的基礎(chǔ)上增加兩個(gè)特征塊,并將提取人體特征的窗口數(shù)由8個(gè)減少到2個(gè)。再利用Adaboost算法訓(xùn)練粗級(jí)分類器,篩選出可能存在人體的區(qū)域。
　　3、假設(shè)驗(yàn)證階段,設(shè)計(jì)了用于描述人體特征的多尺度全局梯度方向

3、直方圖特征,并針對(duì)其維數(shù)大,計(jì)算復(fù)雜度高等缺點(diǎn),將“競(jìng)爭(zhēng)編碼”(Winner Take All Hash Code)引入到特征編碼中,稀疏化特征向量,去除冗余信息,提高計(jì)算速度,再利用交叉核支持向量機(jī)(Intersection Kernel Support Vector Machines, IKSVM)機(jī)制訓(xùn)練精級(jí)分類器,精確定位人體目標(biāo)。
　　4、在INRIA和TUD-Brussels公共測(cè)試集上進(jìn)行實(shí)驗(yàn),并與國(guó)際其他優(yōu)秀算法對(duì)