基于金字塔层定位的DPM快速行人检测方法研究

摘要

随着我国经济的快速发展，汽车保有量不断增加，日益便利的道路交通条件给人们生活带来了极大的方便。但汽车数量的不断增长也导致交通事故频发，使交通安全状况日趋恶化。行人是交通系统的主要参与者，也是交通事故中的主要受害者，因此，行人检测系统的研究意义重大。在目前研究的各类行人检测系统中，基于机器学习的行人检测是当前研究的热点。
　　基于可变形部件模型(Deformable Part Model，DPM)的行人检测是近年来比较流行的行人检测算法之一，该算法将行人实例细分为各个部件，然后通过检测各个部件来判断目标实例的存在。在学习研究DPM行人检测算法时，发现DPM算法虽然具有较高的检测精度，却是以较大的计算量为代价，因此限制了它的应用发展。本文主要针对DPM检测速度慢的问题进行研究改进，并提出了基于金字塔层定位的DPM快速行人检测方法(Fast DPM pedestrian detection method based on Pyramid level locating，PLL-DPM)。首先，利用物体区域建议法代替滑动窗口法获取行人候选窗口，并根据尺寸和长宽比对候选窗口进行初步筛选，排除非行人区域，以减少后续需要计算的窗口数量;然后，采用本文提出的金字塔层定位方法为每个候选窗口选择在特征金字塔中的最佳根层级，并据此构建包含少量特征图的简单特征金字塔;最后，在金字塔层定位的基础上使用单点计算方法代替传统动态规划法有针对性地计算每个候选窗口的得分，最终检测到行人目标。
　　PLL-DPM方法可以明显减少检测过程中需计算的特征图和窗口数量。在公共行人数据集中的测试结果表明，该方法在保证检测率的同时有效地提高了检测速度，并在一定程度上减少了误检。

目录

声明

摘要

第一章 绪论

1．1 课题研究背景及意义

1．2 国内外研究现状

1．2．1 行人检测研究难点

1．2．2 行人检测国内外研究现状

1．3 当前存在的问题及本文研究内容

1．3．1 当前存在的问题

1．3．2 本文研究内容

1．4 本文章节安排

第二章 基于可变形部件模型的行人检测

2．1 图像特征表示

2．1．1 HOG特征

2．1．2 PCA和解析降维

2．1．3 特征金字塔

2．2 DPM的模型结构

2．2．1 星型模型

2．2．2 混合模型

2．3 基于DPM的行人检测

2．4 基于Latent SVM的模型训练

2．4．1 Latent SVM

2．4．2 训练模型参数

2．5 本章小结

第三章 行人候选区域获取方法

3．1 选择性搜索

3．2 BING算法

3．3 Edge Boxes算法

3．4 实验对比与分析

3．4．1 评价指标

3．4．2 实验及分析

3．5 本章小结

第四章 基于金字塔层定位的DPM快速行人检测

4．1 PLL-DPM方法总体流程

4．2 行人候选窗口获取及筛选

4．3 金字塔层定位方法

4．4 单点计算方法

4．4．1 动态规划法

4．4．2 单点计算方法

4．5 实验结果与分析

4．5．1 定性分析

4．5．2 定量分析

4．6 本章小结

第五章 总结与展望

5．1 本文工作总结

5．2 后续研究展望

参考文献

发表论文和参加科研情况

致谢