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

  1. 基于类Harr特征和最小包含球的纸币识别方法的研究,TP391.41
  2. 基于SVM分类算法的主题爬虫研究,TP391.3
  3. 基于计算机视觉的柑橘品质分级技术研究,TP391.41
  4. 耦合“图—谱”特征的遥感影像自动分类方法研究,TP751
  5. 基于PCA和SVM的汽车涂装线机电设备智能诊断,TH165.3
  6. 基于粒子群优化算法的支持向量机集成学习方法研究,TP181
  7. 基于支持向量机的烟气成分建模研究,TK224.11
  8. 基于SVM分类机的DNA序列分类方法,TP18
  9. 基于AdaBoost迭代学习的支持向量机分类算法,TP18
  10. 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
  11. 基于组合抽样技术的集成学习算法研究与应用,TP181
  12. 人脸定位算法在视频监控中的设计与实现,TP391.41
  13. 图像处理与支持向量机在火灾探测领域的应用研究,TP391.41
  14. 基于视频的人脸检测与识别研究,TP391.41
  15. 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
  16. 地震图像的纹理特征提取及分类,TP391.41
  17. 基于人脸识别的门禁系统研究,TP391.41
  18. 基于社交信息的网络视频分类,TP391.41
  19. 极小化标注的海洋文献复杂分类,TP391.1
  20. 人脸检测算法的研究与实现,TP391.41
  21. 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