学位论文 > 优秀研究生学位论文题录展示
基于头肩轮廓特征的人头检测系统的研究
作 者: 顾炯
导 师: 赵曙光
学 校: 东华大学
专 业: 通信与信息系统
关键词: 人头检测 Joint HOG SVM AdaBoost
分类号: TP391.41
类 型: 硕士论文
年 份: 2012年
下 载: 330次
引 用: 2次
阅 读: 论文下载
内容摘要
行人检测和识别是智能视频分析领域一项重要的研究课题。在智能安防监控、人机交互、虚拟现实等有着广泛的应用。现实条件下由于摄像机安装的位置和角度受到限制,经常存在拍摄的图像中人体区域不完整、人体间产生相互遮挡的情况,所以人的头肩部位则成了行人检测难题的突破口。本文利用了头肩轮廓呈现比较固定的特点,对监控视频中的人头检测进行了新的探索和研究。本文着重研究了复杂场景视频中行人的运动检测算法,以及构建基于头肩轮廓特征的人头分类器并对目标进行检测识别。论文的主要内容和创新点如下:首先,对采集到的原始图像进行了预处理操作,采用了快速中值滤波去除噪声和灰度值拉伸以增加对比度,使图像能够在后续的处理中保证好的质量。其次,为了缩短扫描时间,先进行运动目标的检测,将包含行人的前景分割出来。建立了codebook模型进行运动检测,同时考虑到判别准则和像素的亮度直接相关,改进了经典的模型将RGB空间转换到YUV空间,使检测效果得到了提升。然后,设计了两个级联式分类器,分别采用基于类Haar特征和HOG特征进行先粗略后精细两级过滤的检测机制。特别地,由于头肩对称性的特点,提出了Joint HOG(组合Block的HOG)的特征提取算法,并选取多尺寸Block以增加基础特征,克服了传统HOG特征单一、计算耗时的缺点。其中HOG分类器的设计结合SVM和AdaBoost算法对样本进行训练,用线性SVM作为弱学习算法构造Joint HOG的弱分类器,再将这些分类器通过Cascade AdaBoost算法挑选出分类能力较强的若干SVM构成最终的级联式强分类器。一方面,SVM对于高维的HOG特征向量具有很好的泛化区分能力,另一方面通过AdaBoost又使得分类器的分类能力得到了提升。最后,通过对输入帧图像进行逐趟缩放的密集扫描,先后用Haar分类器和HOG分类器对滑动窗口计算特征值,根据设定的分类阈值,并采用规定数量和相近邻域原则对框出头肩目标区域进行融合,得到最终的目标框。
|
全文目录
相似论文
- 基于类Harr特征和最小包含球的纸币识别方法的研究,TP391.41
- 基于SVM分类算法的主题爬虫研究,TP391.3
- 基于计算机视觉的柑橘品质分级技术研究,TP391.41
- 耦合“图—谱”特征的遥感影像自动分类方法研究,TP751
- 基于PCA和SVM的汽车涂装线机电设备智能诊断,TH165.3
- 基于粒子群优化算法的支持向量机集成学习方法研究,TP181
- 基于支持向量机的烟气成分建模研究,TK224.11
- 基于SVM分类机的DNA序列分类方法,TP18
- 基于AdaBoost迭代学习的支持向量机分类算法,TP18
- 支持向量机结合X11季节调整方法用于短期电力负荷预测,TP18
- 基于组合抽样技术的集成学习算法研究与应用,TP181
- 人脸定位算法在视频监控中的设计与实现,TP391.41
- 图像处理与支持向量机在火灾探测领域的应用研究,TP391.41
- 基于视频的人脸检测与识别研究,TP391.41
- 基于VSM模型和特征选择算法的中文文本自动分类研究,TP391.1
- 地震图像的纹理特征提取及分类,TP391.41
- 基于人脸识别的门禁系统研究,TP391.41
- 基于社交信息的网络视频分类,TP391.41
- 极小化标注的海洋文献复杂分类,TP391.1
- 人脸检测算法的研究与实现,TP391.41
- 基于2D-FrFT多阶次特征融合的人脸表情识别技术,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
|