学位论文 > 优秀研究生学位论文题录展示
在线集成学习方法及其在视频目标检测中应用研究
作 者: 游生福
导 师: 汪荣贵
学 校: 合肥工业大学
专 业: 计算机应用技术
关键词: 目标检测 多视角人脸检测 在线集成学习 自适应嵌套级联 金字塔检测器
分类号: TP391.41
类 型: 硕士论文
年 份: 2013年
下 载: 24次
引 用: 0次
阅 读: 论文下载
内容摘要
目标检测是模式识别和计算机视觉领域的重要研究课题之一,在军事侦察、智能交通、视频监控、人机交互等领域具有广阔的应用价值。在视频目标检测过程中,往往会出现外界环境干扰或者目标自身变化等情况,使得检测模型会经常出现误检或者漏检,降低了其检测性能。本文在对目标检测技术国内外研究现状进行深入探讨的基础上,研究基于在线集成学习的目标检测方法,将其应用于复杂环境下的视频目标检测中,并提出一种基于在线集成学习框架下的多视角人脸检测方法。全文主要内容如下:1、深入研究在线集成学习的基本理论,总结国内外研究现状和最新研究成果,介绍了几种经典集成学习算法的在线算法,详细介绍了在线集成学习方法的基本框架和实现步骤,并分析其局限性,为后续研究做好充分准备。2、针对现有在线集成学习方法在集成分类器设计及在线样本自动标注方面的不足,提出一种自适应嵌套级联的分类器结构和一种置信度函数样本标注方法。自适应嵌套级联算法能够灵活调整分类器层级内和层级之间的结构,最大限度适应目标模型的变化,加快分类器的收敛速度,并且能够减少级联的弱分类器数。在线样本标注过程中,结合跟踪方法对检测结果先进行初步验证,再通过置信度函数得到最终的样本类别标注3、针对复杂环境下视频中多视角的人脸检测问题,本文提出一种基于在线集成学习的多视角人脸检测方法。将多视角人脸分为五类:左全侧面、左半侧面、正面、右半侧面、右全侧面。首先采用少量人工手动标注的训练样本训练一个初始多视角人脸检测模型和多视角人脸验证模型,然后在检测过程中利用检测结果及其验证结果通过在线集成学习方法更新其检测模型,并结合关键帧技术和增量学习方法更新多视角人脸验证模型。实验结果表明,该方法在保证检测速度没有较明显下降的前提下,能够较准确地检测出多视角的人脸,并且具有较好的鲁棒性和适应性。
|
全文目录
摘要 5-6 ABSTRACT 6-8 致谢 8-14 第一章 绪论 14-20 1.1 课题研究目的及意义 14-15 1.2 国内外研究现状 15-18 1.2.1 国外研究现状 15-17 1.2.2 国内研究现状 17-18 1.3 在线集成学习在目标检测中的应用 18-19 1.4 本文主要工作及结构安排 19-20 第二章 在线集成学习基本理论 20-34 2.1 引言 20 2.2 集成学习 20-28 2.2.1 集成学习简介 20-24 2.2.2 集成学习方法 24-26 2.2.3 经典集成学习算法 26-28 2.3 在线集成学习 28-32 2.3.1 在线Boosting算法 29-30 2.3.2 在线AdaBoost算法 30-32 2.3.3 现有在线集成学习方法的不足及发展方向 32 2.4 本章小结 32-34 第三章 自适应嵌套级联的在线集成学习方法 34-51 3.1 引言 34 3.2 在线集成学习目标检测方法的难点 34-35 3.3 本文算法 35-47 3.3.1 弱分类器设计及其在线更新 36-42 3.3.2 样本在线采集及其自动标注 42-44 3.3.3 自适应嵌套级联在线集成学习方法 44-47 3.4 实验结果与分析 47-50 3.5 本章小结 50-51 第四章 基于在线集成学习的多视角人脸检测方法 51-69 4.1 引言 51-52 4.2 多视角人脸检测基本框架 52-61 4.2.1 检测模型 52-57 4.2.2 验证模型 57-59 4.2.3 检测模型的在线优化 59-61 4.3 多视角人脸检测机制 61-64 4.3.1 多分辨率搜索 61 4.3.2 分类器检测窗口缩放 61-63 4.3.3 水平镜像特征变换 63-64 4.4 实验结果与分析 64-68 4.4.1 多视角人脸验证实验结果与分析 64-66 4.4.2 视频多视角人脸检测实验结果与分析 66-68 4.5 本章小结 68-69 第五章 总结与展望 69-71 5.1 总结 69 5.2 展望 69-71 参考文献 71-78 攻读硕士学位期间参与的科研项目 78-79 攻读硕士学位期间发表的学术论文 79-80
|
相似论文
- 双传感器图像联合目标检测及系统实现研究,TP391.41
- 基于嵌入式图像处理单元的运动目标跟踪系统研究,TP391.41
- 移动机器人视觉检测和跟踪研究,TP242.62
- 基于运动目标轨迹分析的智能交通监控系统,TP277
- 基于视频的运动目标检测与跟踪方法应用研究,TP391.41
- 基于支持向量机的视频目标检测方法研究,TP391.41
- 视频运动目标跟踪方法研究,TP391.41
- 运动目标检测和跟踪算法研究,TP391.41
- 基于视觉的人体行为检测识别研究,TP391.41
- 视频监控若干技术研究,TP391.41
- 基于全方位视觉的多运动目标检测、跟踪与定位,TP391.41
- 视频监控中运动目标检测与跟踪算法的研究,TP391.41
- 基于鱼眼相机的运动目标检测算法的研究与实现,TP391.41
- 基于混合高斯的背景建模与更新算法的研究与实现,TP391.41
- 基于主动视觉的运动目标检测与跟踪研究,TP391.41
- 嵌入式多参数环境智能监测系统的设计与实现,TP274
- 基于激光雷达的三维目标检测,TN958.98
- 高分辨率遥感图像多类目标识别研究,TP751
- 视频监控运动目标检索方法研究,TP391.41
- 安防监控系统中运动目标检测算法研究,TP391.41
- 复杂目标视觉注意模型研究,TP391.41
中图分类: > 工业技术 > 自动化技术、计算机技术 > 计算技术、计算机技术 > 计算机的应用 > 信息处理(信息加工) > 模式识别与装置 > 图像识别及其装置
© 2012 www.xueweilunwen.com
|