学位论文 > 优秀研究生学位论文题录展示

灾难现场人体头部检测方法研究

作　者: 崔立刚
导　师: 宁慧
学　校: 哈尔滨工程大学
专　业: 计算机应用技术
关键词: 人体头部检测 MSO特征 Adaboost分类器 多视角检测器
分类号: TP391.41
类　型: 硕士论文
年　份: 2010年
下　载: 17次
引　用: 0次
阅　读: 论文下载
 

内容摘要


人类文明的进化史也是一部与灾难不断抗争的历史,近年来各种天灾人祸时有发生,灾难过后的首要任务就是对幸存人员进行搜救。随着现代科学技术的进步,机器人逐渐应用在灾后搜救中。灾难现场人体头部检测方法作为机器人“眼睛”的支持技术,其研究就显得至关重要。虽然目前关于行人检测、脸部检测、车牌检测等典型的检测算法已经日趋成熟,而且这些算法在正常的条件下检测效果不错,但是在灾难现场这种特殊条件下——各种物品七零八落,背景复杂,光照条件复杂,人体的遮挡、变形、旋转等问题都比较严重,采用单一的特征和单一的算法进行检测很难达到检测的要求。本文在研究国内外相关文献的基础上对以上问题进行了仔细分析,提出并实现了一种彩色图像和红外图像相配准、多个特征相结合的灾难现场的人体头部检测方法。首先,本文采用基于角点特征的配准方法实现了彩色图像和红外图像的配准;然后,根据彩色图像的肤色特征和红外图像的亮度特征快速提取出强感兴趣区域和弱感兴趣区域;接下来,本文使用基于多尺度方向特征的Adaboost算法训练出多个视角分类器,结合图片旋转实现对不同姿态、不同视角的人体头部检测;最后,对检测结果进行融合、输出。通过在测试集和灾难现场模拟图库上进行测试,并与其他检测方法进行对比分析,证明本文方法在检测的效率和检测的准确率上都有明显的提高,能够基本满足灾难现场人体头部检测的要求。

全文目录


摘要  5-6
Abstract  6-10
第1章 绪论  10-16
  1.1 灾难现场人体头部检测研究背景  10-11
  1.2 基于头部特征的检测方法综述  11-14
    1.2.1 概述  11
    1.2.2 彩色图像中的人体头部检测方法  11-13
    1.2.3 红外图像中人体头部检测方法  13-14
  1.3 论文的主要工作  14
  1.4 论文的章节安排  14-16
第2章 基于机器学习的人体头部检测方法  16-27
  2.1 基于Haar_Like 特征的Adaboost 检测方法  16-24
    2.1.1 Haar_Like 特征  16-17
    2.1.2 积分图像  17-18
    2.1.3 强分类器的构建  18-19
    2.1.4 级联检测器的实现  19-21
    2.1.5 旋转问题的解决方法  21-24
  2.2 基于HOG 特征的SVM 检测方法  24-26
    2.2.1 HOG 特征的创建  24
    2.2.2 SVM 分类器的训练和检测  24-26
  2.3 本章小结  26-27
第3章 感兴趣区域的提取  27-36
  3.1 彩色图像和红外图像的配准  27-28
  3.2 彩色图像中肤色区域的提取  28-31
    3.2.1 颜色空间的选取  28-29
    3.2.2 肤色模型的建立  29-30
    3.2.3 肤色区域提取  30-31
  3.3 红外图像中人体亮度区域的提取  31-33
    3.3.1 红外图像预处理  31-32
    3.3.2 红外图像亮度区域分割  32-33
  3.4 两种图像相结合的感兴趣区域提取方法  33-35
  3.5 本章小结  35-36
第4章 灾难现场多视角检测方法  36-49
  4.1 灾难现场人体头部检测的整体框架  36-37
  4.2 MSO 特征的引进  37-40
    4.2.1 特征的生成过程  38-39
    4.2.2 特征参数的调整  39-40
  4.3 分类器的构建及训练样本的选择  40-44
    4.3.1 弱分类器的选择  40-41
    4.3.2 强分类器的训练和级联检测器的实现  41-44
    4.3.3 反例样本的选择  44
    4.3.4 补充反例样本集的设定  44
  4.4 多视角检测器的构建  44-48
    4.4.1 彩色图像多视角检测器的实现  45-46
    4.4.2 多尺度检测的实现  46-47
    4.4.3 检测结果的融合  47-48
  4.5 本章小结  48-49
第5章 实验结果与对比分析  49-55
  5.1 实验环境  49
  5.2 彩色图像中头部检测器对比试验  49-50
  5.3 正面红外图像检测器对比试验  50-51
  5.4 灾难现场模拟库的检测实验结果  51-54
  5.5 本章小结  54-55
结论  55-57
参考文献  57-61
致谢  61

相似论文

  1. 基于单目视觉的车辆检测算法研究与实现,TP274
  2. 基于小波变换和线性子空间的人脸识别技术研究,TP391.41
  3. 视频数据中人体动作的分类研究,TP391.41
  4. 视频监控中的人体头部检测与跟踪,TP391.41
  5. 基于AS_R智能机器人的人脸识别系统研究与开发,TP242.6
  6. 车牌检测与识别的研究与实现,TP391.41
  7. 多目标的图像检测,TP391.41
  8. 轻度认知功能障碍诊断的MRI图像处理研究,TP391.41
  9. 基于动态贝叶斯网络的面部表情识别,TP391.41
  10. 基于ADABOOST算法的人体检测系统,TP391.41
  11. 人脸检测及面部特征定位技术研究与系统实现,TP391.41
  12. 车牌识别系统关键技术的研究,TP391.41
  13. 基于FPGA的数字图像处理基本算法研究与实现,TP391.41
  14. 用于检索的人脸特征提取与匹配算法研究,TP391.41
  15. 基于FPGA的高速图像预处理技术的研究,TP391.41
  16. 2D人脸模板保护算法研究,TP391.41
  17. 基于用户兴趣特征的图像检索研究与实现,TP391.41
  18. 图像拼接技术研究,TP391.41
  19. 高效精确字符串匹配算法的研究与实现,TP391.41
  20. 基于三维重建的焊点质量分类方法研究,TP391.41
  21. 舌体特征的提取及融合分类方法研究,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