基于星型模型與改進(jìn)EMK算子的人體檢測(cè)方法研究.pdf

1、人體檢測(cè)是在計(jì)算機(jī)視覺和人工智能領(lǐng)域里的一個(gè)重要研究課題，在視頻監(jiān)控，智能交通，機(jī)器人以及智能汽車，高級(jí)人機(jī)交互系統(tǒng)，人體運(yùn)動(dòng)分析和圖像檢索等方面具有重要的應(yīng)用，因此，近些年受到了人們的廣泛關(guān)注。但是由于人體著裝的多樣性，姿態(tài)的各異性，人體之間的遮擋，背景的嘈雜以及光照等因素的影響增大了圖像中人體檢測(cè)工作的困難性，同時(shí)也吸引了更多的學(xué)著投入到此項(xiàng)工作的研究中。
　　本文首先根據(jù)人體的幾何特性運(yùn)用了一種基于部位既基于星型模型的方法，

2、結(jié)合HOG特征進(jìn)行人體檢測(cè)，然后提出了一種基于第二代條帶波變換和星型模型相結(jié)合的人體檢測(cè)方法，提高了人體檢測(cè)的正確率，降低了人體檢測(cè)的虛景率。緊接著本文介紹了一種新的基于局部特征的描述子，是一種低維高效的描述子，在如何利用該描述子可以更好的描述圖像特征以及提高人體檢測(cè)的魯棒性方面做了大量的工作。主要涉及到基于統(tǒng)計(jì)學(xué)習(xí)的研究方法，基于部位的人體檢測(cè)方法，基于詞袋的圖像特征表示方法等。
　　本文主要工作如下：
　　1、研究了一種

3、基于星型模型的人體檢測(cè)方法，該方法主要是將HOG特征與星型模型相結(jié)合，將人體視為一種星型的模型，將各個(gè)部位與根節(jié)點(diǎn)之間的關(guān)系視為彈性連接，星型結(jié)構(gòu)主要是將人體分為五個(gè)部分，然后利用HOG特征對(duì)這五個(gè)部分以及整個(gè)人體分別進(jìn)行特征提取，再利用Adaboost分類器對(duì)這些特征進(jìn)行分類訓(xùn)練。利用分類器的輸出值對(duì)圖像中的人體進(jìn)行判定，得到最終的檢測(cè)結(jié)果。
　　2、研究了一種條帶波變換和星型模型的人體檢測(cè)方法。該方法主要是將第二代條帶波變化與

4、星型結(jié)構(gòu)相結(jié)合，將第二代條帶波變化系數(shù)以及該系數(shù)的統(tǒng)計(jì)特征作為最終提取的人體特征，星型結(jié)構(gòu)主要是將人體分為五個(gè)部分，然后利用第二代條帶波變換對(duì)這五個(gè)部分以及整個(gè)人體分別進(jìn)行特征提取，再利用Adaboost分類器對(duì)這些特征進(jìn)行分類訓(xùn)練。根據(jù)事先訓(xùn)練的人體根部位和各個(gè)部位空間幾何關(guān)系得到各個(gè)部位與根節(jié)點(diǎn)間的形變代價(jià)，最終將各個(gè)部位以及根部位匹配到圖像中，該方法可確定各個(gè)部位以及整個(gè)人體的位置。
　　3、利用一種高效匹配核的特征表征人體