学位论文 > 优秀研究生学位论文题录展示

基于ADABOOST算法的人体检测系统

作　者: 刘文静
导　师: 李文辉
学　校: 吉林大学
专　业: 计算机应用技术
关键词: 运动目标检测帧间差分 haar特征 ADABOOST分类器
分类号: TP391.41
类　型: 硕士论文
年　份: 2009年
下　载: 321次
引　用: 4次
阅　读: 论文下载

内容摘要

本文对静止摄像机条件下的运动人体检测问题进行了深入的研究,问题主要分成两大部分,即运动物体检测和人体检测。对于运动物体检测问题,在充分研究现有算法的基础上,提出了一种改进的三帧差分算法,并将算法应用于人体检测系统。该算法是对二帧差分算法的一种演变形式,能够快速有效的检测出运动前景点。再利用形态学处理以及连通域提取等算法,对运动物体进行精确定位,为人体检测提供基础。对于人体检测部分,本文重点研究了基于ADABOOST算法的识别分类问题。从haar特征提取、弱分类器训练到构造级联分类器,本文给出了清晰的实现过程,对于实现过程中存在的计算量大、检测速度慢等问题给出了相应的改进方法。如采用预测检测窗口放大比例方法解决了窗口放大比例无明确依据造成的重复计算以及漏检的情况。本系统在标准测试图像库上的实验结果表明了系统检测在实时性、准确率等方面都达到了基本要求。系统实现过程中采用的改进算法对系统的性能有了明显改善。

全文目录

提要  4-7
第1章绪论  7-12
  1.1 运动人体检测研究背景及研究意义  7-8
  1.2 运动人体检测国内外研究现状  8-9
  1.3 人体检测系统概述  9-10
  1.4 本论文研究内容和章节安排  10-12
第2章常用运动目标检测算法研究  12-23
  2.1 引言  12-13
  2.2 运动目标检测算法分类  13-14
  2.3 帧间差分法及其改进  14-22
    2.3.1 帧间差分法的基本原理  14-15
    2.3.2 帧间差分的二值化实现  15
    2.3.3 帧间差分法的改进算法  15-19
    2.3.4 运动物体轮廓的连接填充  19-20
    2.3.5 连通域提取  20-22
  2.4 本章小节  22-23
第3章特征选择  23-28
  3.1 特征选择方法概述  23-24
  3.2 特征选择方法  24-28
    3.2.1 穷尽搜索法  24
    3.2.2 分枝定界法  24-26
    3.2.3 顺序搜索法  26
    3.2.4 动态顺序搜索法  26
    3.2.5 遗传搜索算法  26-28
第4章基于Adaboost算法的目标分类  28-44
  4.1 引言  28-29
  4.2 人体检测算法研究  29-30
  4.3 Adaboost算法概述  30-36
    4.3.1 积分图像  31-34
    4.3.2 haar特征及特征值计算  34-36
  4.4 Adaboost分类器的训练  36-41
    4.4.1 样本图像的统一  37
    4.4.2 弱分类器的训练  37-40
    4.4.3 Adaboost级联分类器的构造  40-41
  4.5 基于Adaboost算法的人体检测实现及优化  41-44
    4.5.1 人体检测过程实现  41-42
    4.5.2 人体检测过程优化  42-44
第5章人体检测系统实现  44-49
  5.1 系统基本要求  44
  5.2 系统结构设计  44-46
  5.3 人体检测结果  46-49
第6章总结与展望  49-51
参考文献  51-55
致谢  55-56
摘要  56-59
Abstract  59-61

基于ADABOOST算法的人体检测系统

内容摘要

全文目录

相似论文