復(fù)雜背景下的行人檢測技術(shù)研究.pdf

1、復(fù)雜背景和遮擋問題是當(dāng)前行人檢測技術(shù)研究中的難點，對這兩個問題的解決，有助于行人檢測技術(shù)進一步實用化、市場化，創(chuàng)造更高的經(jīng)濟價值和社會價值，同時行人檢測的相關(guān)技術(shù)可以被人臉檢測、車輛檢測等目標檢測技術(shù)所借鑒，促進計算機視覺和模式識別等相關(guān)學(xué)科的發(fā)展，具有較大的理論意義和學(xué)術(shù)價值。本文針對這兩個問題展開了研究。 針對復(fù)雜背景問題，本文全面分析了基于混合高斯模型運動目標檢測方法的優(yōu)缺點，針對其更新速度慢、收斂性差的缺點提出了相應(yīng)的改

2、進方法，通過實驗驗證了該改進方法的有效性；針對復(fù)雜背景中陰影對運動目標輪廓的影響，采用基于色度畸變的陰影消除方法；針對混和高斯模型在運動目標的運動方向與攝像機成像平面垂直時，只能檢測到目標的邊緣輪廓，引入了種子區(qū)域增長方法來解決該問題。 針對遮擋問題，詳細介紹了隱式形狀模型的行人檢測方法。該方法首先通過感興趣點檢測算子提取表征行人的局部表觀碼本，然后通過訓(xùn)練獲得碼本模型的空間共生分布模型，在此模型基礎(chǔ)上將行人識別和分割過程融入到

3、一個概率框架中，最后通過最小描述長度消除重疊的候選人體區(qū)域之間的模糊性。該方法采取的是“先識別，后分割”的方法，基于局部特征的描述子，為遮擋問題提供了一條解決思路。 為了排除場景中非人體運動目標，本文提出了基于形狀信息的行人分類方法總體框架，詳細闡述了如何對所獲得的運動目標輪廓解卷繞以進行特征提取，以及樣本的收集和人體模型的建立過程。描述了基于PCA的維數(shù)約簡方法和基于EM的人體建模具體實現(xiàn)過程，實驗結(jié)果表明，我們提出的行人分類