基于OpenCV的行人检测系统的实现

摘要

在计算机视觉领域，行人检测受到越来越多的科研人员的关注。概括地讲，行人检测是指对由摄像头实时获取的视频图像序列进行自动分析，判断其中是否存在行人，若存在，则将其用某种方式标注出来，这样就可以提示人们进行下一步的操作。行人检测有着非常广泛的应用背景，比如常见的汽车安全辅助系统，利用行人检测系统检测出行人，提前通知车主有危险并作出下一步的反应；另外几种常见的应用就是城市道路的智能交通监控系统、酒店大厅的监控系统等等。
　　行人检测是一个比较有难度的研究方向，原因有以下几点：背景环境的多样性、光照的多样性、行人可能部分重叠在一起、行人可能处于不同的姿势、人的大小、肤色、服饰的多样性等等。所有以上这些因素给行人检测的发展带来了极大的挑战。不过经过多年的发展，行人检测取得了长足的进步，很多研究学者提出了越来越先进的算法来提高检测的速度和精度[1]。
　　本文并没有主要从算法的角度来研究行人检测以提升其检测速度、精度等，而是利用一系列工具构造了一个完整的行人检测系统。本文提取样本图像的Haar特征，运用AdaBoost算法来训练分类器，将此分类器应用到行人检测系统中，以此来区分视频中的行人和非行人。
　　本文主要的研究内容有：
　　1，利用MFC和OpenCV工具在VC6.0的环境下搭建起整个系统的软件界面，支持本地AVI视频文件和摄像头捕捉到的视频输入，提供打开、播放、暂停、检测、退出等等按钮的功能。
　　2，离线训练分类器。提取样本图像的Haar特征，利用AdaBoost算法训练正样本和负样本，得到两个分类器，分别用于检测正面背面行人和侧面行人。
　　3，将训练得到的双分类器应用到行人检测系统中，通过输入不同的视频源，以检测此系统的实际效果。
　　通过实验可以看出，此基于OpenCV开发的行人检测系统能较好的区分出行人和非行人，可以把这个系统直接应用到对精度要求不是很高的应用场合中，比如酒店大厅里的监控系统等等。

目录

封面

声明

中文摘要

英文摘要

目录

第一章 引言

1.1研究背景与意义

1.2视频监控概述

1.3行人检测

1.4国内外研究现状

1.5论文主要内容及结构安排

第二章 理论基础

2.1模式识别

2.2 Haar特征

2.3 AdaBoost算法

第三章 系统软件界面的设计

3.1 MFC简介

3.2核心数据结构

3.3软件界面及实现功能

第四章 OpenCV与分类器

4.1 OpenCV

4.2 Haar分类器的训练流程

4.3验证算法

4.4双分类器设计

第五章 总结与展望

5.1本文工作总结

5.2未来工作展望

致谢

参考文献

附录

攻硕期间取得的研究成果