基于星型模型与改进EMK算子的人体检测方法研究

摘要

人体检测是在计算机视觉和人工智能领域里的一个重要研究课题，在视频监控，智能交通，机器人以及智能汽车，高级人机交互系统，人体运动分析和图像检索等方面具有重要的应用，因此，近些年受到了人们的广泛关注。但是由于人体着装的多样性，姿态的各异性，人体之间的遮挡，背景的嘈杂以及光照等因素的影响增大了图像中人体检测工作的困难性，同时也吸引了更多的学着投入到此项工作的研究中。
　　本文首先根据人体的几何特性运用了一种基于部位既基于星型模型的方法，结合HOG特征进行人体检测，然后提出了一种基于第二代条带波变换和星型模型相结合的人体检测方法，提高了人体检测的正确率，降低了人体检测的虚景率。紧接着本文介绍了一种新的基于局部特征的描述子，是一种低维高效的描述子，在如何利用该描述子可以更好的描述图像特征以及提高人体检测的鲁棒性方面做了大量的工作。主要涉及到基于统计学习的研究方法，基于部位的人体检测方法，基于词袋的图像特征表示方法等。
　　本文主要工作如下：
　　1、研究了一种基于星型模型的人体检测方法，该方法主要是将HOG特征与星型模型相结合，将人体视为一种星型的模型，将各个部位与根节点之间的关系视为弹性连接，星型结构主要是将人体分为五个部分，然后利用HOG特征对这五个部分以及整个人体分别进行特征提取，再利用Adaboost分类器对这些特征进行分类训练。利用分类器的输出值对图像中的人体进行判定，得到最终的检测结果。
　　2、研究了一种条带波变换和星型模型的人体检测方法。该方法主要是将第二代条带波变化与星型结构相结合，将第二代条带波变化系数以及该系数的统计特征作为最终提取的人体特征，星型结构主要是将人体分为五个部分，然后利用第二代条带波变换对这五个部分以及整个人体分别进行特征提取，再利用Adaboost分类器对这些特征进行分类训练。根据事先训练的人体根部位和各个部位空间几何关系得到各个部位与根节点间的形变代价，最终将各个部位以及根部位匹配到图像中，该方法可确定各个部位以及整个人体的位置。
　　3、利用一种高效匹配核的特征表征人体特征，利用该图像特征进行线性核学习的方法。首先提取样本图片的SURF特征，再利用CKSVD将所得的特征矢量投影逼近到低维的核特征空间；利用线性的SVM对所得特征进行分类训练得到最终的用于人体检测的SVM分类器，利用该分类器的输出值来判定图像中的人体。

目录

封面

声明

中文摘要

英文摘要

目录

第一章 绪论

1.1 计算机视觉与人体检测技术背景

1.2 论文研究内容以及章节安排

第二章 人体检测相关技术

2.1 基于统计学习的人体检测算法整体流程

2.2 特征提取

2.3 分类器学习算法

2.4 第二代 Bandelet 变换的基本概念和算法

2.5 本章小结

第三章 基于星型模型的人体检测

3.1 基于部位的人体检测

3.2 人体数据集

3.3 实验仿真

3.4 本章小结

第四章 基于条带波变换和星型模型的人体检测

4.1 对图像进行第二代 Bandelet 变换

4.2 星型模型学习

4.3 人体检测的实验与结果

4.4 本章小结

第五章 基于改进高效匹配核的人体检测方法

5.1EMK 技术原理

5.2 EMK 特征提取方法

5.3 基于改进 EMK 描述核的人体检测

5.4 实验分析

5.5 本章小结

第六章 结论与展望

6.1 结论

6.2 展望

致谢

参考文献

硕士期间的研究成果