【畢業(yè)學(xué)位論文】基于拓?fù)淠Ｐ偷男腥藱z測(cè)方法研究-計(jì)算機(jī)應(yīng)用技術(shù)

密級(jí): 碩士學(xué)位論文 基于拓?fù)淠Ｐ偷男腥藱z測(cè)方法研究 作者姓名： 高 文 指導(dǎo)教師: 焦建彬 教授 中國(guó)科學(xué)院研究生院 學(xué)位類別: 工學(xué)碩士 學(xué)科專業(yè): 計(jì)算機(jī)應(yīng)用 技術(shù) 培養(yǎng)單位: 中國(guó)科學(xué)院研究生院 2012 年 4 月 y n of or 2012 中國(guó)科學(xué)院研究生院直屬院系 研究生學(xué)位論文原創(chuàng)性聲明 本人鄭重聲明：所呈交的學(xué)位論文是本人在導(dǎo)師的指導(dǎo)下獨(dú)立進(jìn)行研究工作所取得的成果。盡我所知，除文中已經(jīng)注明引用的內(nèi)容外，本論文不包含任何其他個(gè)人或集體已經(jīng)發(fā)表或撰寫過的研究成果。對(duì)論文所涉及的研究工作做出貢獻(xiàn)的其他個(gè)人和集體，均已在文中以明確方式標(biāo)明或致謝。 作者簽名： 日 期： 中國(guó)科學(xué)院研究生院直屬院系 研究生學(xué)位論文原創(chuàng)性聲明 本人完全了解并同意遵守中國(guó)科學(xué)院有關(guān)保存和使用學(xué)位論文的規(guī)定，即中國(guó)科學(xué)院有權(quán)保留送交學(xué)位論文的副本，允許該論文被查閱，可以公布該論文的全部或部分內(nèi)容，可以采用影印、縮印或其他復(fù)制手段保存、匯編本學(xué)位論文。 涉密的學(xué)位論文在解密后適用本聲明。 作者簽名： 導(dǎo)師簽名： 日 期： 日 期： 摘要 I 摘 要 行人檢測(cè)在智能交通、視頻監(jiān)控、多媒體檢索等領(lǐng)域具有重要的應(yīng)用價(jià)值。行人檢測(cè)的相關(guān)方法與關(guān)鍵技術(shù)已經(jīng)成為計(jì)算機(jī)視覺領(lǐng)域研究熱點(diǎn)。然而，行人的多姿態(tài)、多尺度、局部遮擋等因素均會(huì)影響檢測(cè)性能。近年來，基于部位模型的行人檢測(cè)方法已經(jīng)成為目前目標(biāo)檢測(cè)領(lǐng)域的熱點(diǎn)，本文以此為研究?jī)?nèi)容，引入拓?fù)涿枋黾敖７椒?。相關(guān)成果具有理論意義和應(yīng)用價(jià)值。 論文提出了一種基于拓?fù)淠Ｐ偷男腥藱z測(cè)方法，該方法將行人分為若干個(gè)部位，并對(duì)各個(gè)部位分別進(jìn)行檢測(cè)，保證每個(gè)待檢測(cè)部位在最大響應(yīng)值下輸出檢測(cè)結(jié)果。提出了一種行人拓?fù)涿枋鲎樱ㄓ靡悦枋鲂腥烁鱾€(gè)部位間的拓?fù)潢P(guān)系，并利用單類支持向量機(jī)（ 訓(xùn)練行人拓?fù)淠Ｐ停瑢?duì)圖片中的待檢測(cè)樣本進(jìn)行二分類，實(shí)現(xiàn)圖片與視頻幀中的行人檢測(cè)。 在行人部位檢測(cè)的過程中，利用 征和線性 類器進(jìn)行檢測(cè)。在行人拓?fù)潢P(guān)系描述的過程中，考慮到部位檢測(cè)過程中各部位的獨(dú)立性，引入了整體拓?fù)涿枋?。拓?fù)淠Ｐ兔枋隽擞型負(fù)潢P(guān)聯(lián)的部位間兩兩關(guān)系，同時(shí)能夠描述整個(gè)行人的姿態(tài)特征。鑒于行人姿態(tài)描述的特殊性，采用 為分類器對(duì)拓?fù)潢P(guān)系進(jìn)行建模。 用于只包含一類樣本的情況，在高維特征空間中構(gòu)造一個(gè)盡可能多的包絡(luò)正例樣本且盡可能小的超球體，從而描述一類樣本數(shù)據(jù)分布的二值模型。 本文提出的行人檢測(cè)方法在兩個(gè)公開數(shù)據(jù)集合上進(jìn)行了實(shí)驗(yàn)驗(yàn)證，均取得了較好的效果，能夠顯著提高在多姿態(tài)、多尺度、局部遮擋等情況下的檢測(cè)率。 關(guān)鍵詞：行人檢測(cè)，拓?fù)涿枋?，部位檢測(cè)，分類器 , a of in it a in a of it an In of In we of is to We a on A is of is of We a to of to is to a or In we OG VM to In of we we is in as as as as in of a of of be we I II to in We in is to to 于拓?fù)淠Ｐ偷男腥藱z測(cè)方法研究 目 錄 摘 要 . I 目 錄 . 目錄 . 目錄 . 一章 緒論 .題背景和研究意義 .內(nèi)外研究現(xiàn)狀及發(fā)展趨勢(shì) .人檢測(cè)中存在的問題 .文的研究?jī)?nèi)容 .文的組織結(jié)構(gòu) .二章 行人檢測(cè)相關(guān)工作綜述 .標(biāo)檢測(cè)的一般框架 .征表示 . . . .人檢測(cè)的代表性方法 . 基于整體模型的方法 . 基于部件模型的方法 .人檢測(cè)數(shù)據(jù)集合 .章小結(jié) .三章 行人部位檢測(cè)模型 .人部位分割與表示 . 行人部位分割 . 旋轉(zhuǎn)部位檢測(cè) .驗(yàn)結(jié)果與分析 .章小結(jié) .四章 行人拓?fù)涿枋雠c建模 .于拓?fù)淠Ｐ偷臋z測(cè) .撲關(guān)系描述 . 拓?fù)浣Y(jié)構(gòu) .V 目錄 V 撲描述子 . . 基于建模 .驗(yàn)結(jié)果與分析 . 實(shí)驗(yàn)數(shù)據(jù) . 實(shí)驗(yàn)效果及對(duì)比分析 .章小結(jié) .結(jié)與展望 .考文獻(xiàn) .表( 錄用) 文章目錄 . 謝 .于拓?fù)淠Ｐ偷男腥藱z測(cè)方法研究 圖目錄 圖 1- 1 圖像/ 視頻目標(biāo)檢測(cè)的發(fā)展 . 1- 2 基于整體模型機(jī)統(tǒng)計(jì)學(xué)習(xí)的目標(biāo)檢測(cè)一般框架 . 1- 3 基于部位檢測(cè)和關(guān)系模型的目標(biāo)檢測(cè)一般框架 . 1- 4 行人檢測(cè)研究框架 . 2- 1 目標(biāo)檢測(cè)一般框架 . 2- 2 . 2- 3 拓展的征 . 2- 4 征計(jì)算示意圖 . 2- 5 . 2- 6 最大間隔分類器 . 2- 7 測(cè)方法流程圖 . 2- 8 自適應(yīng)的分類器組合算法示意圖 . 2- 9 基于貝葉斯推斷的組合算法中行人部件定義示意圖 . 2- 10 基于判別訓(xùn)練部件的算法示意圖 . 3- 1 梯度向量直方圖特征示意圖 . 3- 2 行人部位分割示意圖 . 3- 3 部位搜索示意圖 . 3- 4 部位旋轉(zhuǎn)示意圖 . 3- 5 頭部和腿部訓(xùn)練樣本示例 . 3- 6 腿部旋轉(zhuǎn)檢測(cè)結(jié)果 . 3- 7 行人部位檢測(cè)結(jié)果示例 . 4- 1 基于拓?fù)涞男腥藱z測(cè)方法流程圖 . 4- 2 拓?fù)潢P(guān)系示意圖 . 4- 3 拓?fù)浣Y(jié)構(gòu)解釋示例圖 . 4- 4 拓?fù)涿枋鍪疽鈭D . 4- 5 優(yōu)分類超平面 . 4- 6 . 4- 7 . 4- 8 訓(xùn)練樣本示例 . 4- 9 測(cè)試樣本示例 . 4撲模型的行人檢測(cè)結(jié)果 . 4- 11 實(shí)驗(yàn)曲線與對(duì)比 .I 表目錄 表目錄 表 2- 1 非線性迭代偏最小二乘算法 . 2- 2 行人檢測(cè)公開數(shù)據(jù)集 . 4- 1 實(shí)驗(yàn)方法參數(shù)對(duì)比表 .一章 緒論 第一章 緒論 題背景和研究意義 隨著人類社會(huì)的發(fā)展，社會(huì)的不安全因素也隨之增多。在眾多不安全因素中，人為破壞是最為嚴(yán)重和最難于防范的。美國(guó)的“911”事件和倫敦地鐵爆炸案更是給各國(guó)的安全防范部門敲響了警鐘。人體目標(biāo)檢測(cè)技術(shù)可用于重點(diǎn)建筑（核電站、水電站、水庫、銀行、重要橋梁等）及重要地點(diǎn)（國(guó)家重點(diǎn)保護(hù)建筑、博物館、體育場(chǎng)館、地鐵站、監(jiān)獄等）的安全保衛(wèi)工作；在智能交通領(lǐng)域，自動(dòng)行人檢測(cè)技術(shù)能夠幫助監(jiān)控交通事故，并可以在十字路口、新建高速路端等進(jìn)行安全預(yù)警；在汽車輔助駕駛系統(tǒng)中，通過車載視頻實(shí)時(shí)分析路況和檢測(cè)行人變化，能夠?qū)ξｋU(xiǎn)情況進(jìn)行提示和報(bào)警；隨著城市規(guī)模的擴(kuò)大，住宅小區(qū)逐漸成為安全防范的重點(diǎn)，結(jié)合紅外/ 近紅外等視頻設(shè)備，人體目標(biāo)檢測(cè)與自動(dòng)報(bào)警技術(shù)可增強(qiáng)小區(qū)安全監(jiān)控、減少犯罪，增強(qiáng)居民的安全感。在監(jiān)控視頻數(shù)據(jù)庫的管理和檢索系統(tǒng)中，人體目標(biāo)及其他典型目標(biāo)定位可以為語義檢索提供支持。在國(guó)防領(lǐng)域，夜視探測(cè)設(shè)備中的人體目標(biāo)檢測(cè)和跟蹤識(shí)別危險(xiǎn)目標(biāo)，能夠幫助特種部隊(duì)及空降兵探測(cè)周邊區(qū)域情況。隨著國(guó)家越來越重視采用視頻系統(tǒng)對(duì)重要部門、敏感地點(diǎn)、公共場(chǎng)所等進(jìn)行監(jiān)控，高性能的人體目標(biāo)檢測(cè)技術(shù)呈現(xiàn)出越來越中重要的應(yīng)用價(jià)值。 圖 1- 1 圖像/ 視頻目標(biāo)檢測(cè)的發(fā)展 1 基于拓?fù)淠Ｐ偷男腥藱z測(cè)方法研究 在圖像理解和計(jì)算機(jī)視覺研究領(lǐng)域，正面視角的汽車牌照、車輛、人臉等一些典型目標(biāo)檢測(cè)方法日趨成熟，檢測(cè)性能已經(jīng)能夠支持很多應(yīng)用系統(tǒng)的需求。如圖 1示，這些目標(biāo)一般近似為剛體，受到形變影響較少。同時(shí)，應(yīng)用系統(tǒng)一般都要求攝像頭和被檢測(cè)目標(biāo)之間相對(duì)位置固定，以保證拍攝的目標(biāo)具有固定的視角。隨著視頻信號(hào)的采集質(zhì)量越來越高，監(jiān)控的視角、范圍的日益擴(kuò)大（如全景攝像機(jī)、攝像機(jī)網(wǎng)絡(luò)技術(shù)的應(yīng)用），捕獲的人體目標(biāo)視角更加多樣，其中不僅包含了旋轉(zhuǎn)視角，還包含了攝像機(jī)俯仰引起的目標(biāo)角度變化。人體是一個(gè)非剛性的物體，在運(yùn)動(dòng)中可以呈現(xiàn)多種姿態(tài)。人體目標(biāo)很容易被其他人體或者其他物體遮擋，使得拍攝到的目標(biāo)喪失整體性，給檢測(cè)帶來很大困難。除此之外，很多應(yīng)用系統(tǒng)（如：實(shí)時(shí)視頻監(jiān)控報(bào)警系統(tǒng)，車外行人告警系統(tǒng)）對(duì)目標(biāo)檢測(cè)具有實(shí)時(shí)性要求。這些因素使得人體目標(biāo)檢測(cè)成為計(jì)算機(jī)視覺領(lǐng)域內(nèi)最具挑戰(zhàn)的問題之一，也成為了圖像理解和機(jī)器學(xué)習(xí)方法的理想研究平臺(tái)。 所謂行人檢測(cè)(就是根據(jù)人體的某些特征在圖像或者圖像序列中判斷有無人體目標(biāo)并定位其準(zhǔn)確位置。其定位的精度直接影響到相關(guān)應(yīng)用的效果。雖然行人檢測(cè)方面的研究有了長(zhǎng)足的進(jìn)步，但是仍然沒有一個(gè)適用于所有情況的通用方法。其主要原因是行人檢測(cè)作為目標(biāo)檢測(cè)的一個(gè)特例有其特殊性，例如行人的視角多樣性、背景的復(fù)雜性、人的身體以及衣著的差異、步態(tài)的不確定性、遮擋以及目標(biāo)大小等因素。以上因素在人體目標(biāo)模式上反映出的主要問題在于：表觀的差異，目標(biāo)模式的部分缺失，以及在目前的 上的計(jì)算高復(fù)雜性。這使得行人檢測(cè)距離實(shí)際應(yīng)用仍有較大距離。 本研究受到以下課題資助： 1) “天目 360 度智能監(jiān)控系統(tǒng)產(chǎn)業(yè)化開發(fā)”，中科院研究生院哈爾濱產(chǎn)業(yè)技術(shù)創(chuàng)新與育成專項(xiàng)資金項(xiàng)目，研； 2) “視頻中人體目標(biāo)可靠檢性檢測(cè)方法與穩(wěn)定性跟蹤算法研究”,國(guó)家自然科學(xué)基金面上項(xiàng)目，60872143, 已結(jié)題。 內(nèi)外研究現(xiàn)狀及發(fā)展趨勢(shì) 已有的行人檢測(cè)研究通?？煞譃榛谡w模型的方法和基于部位結(jié)構(gòu)的方法。 2 第一章 緒論 圖 1- 2 基于整體模型機(jī)統(tǒng)計(jì)學(xué)習(xí)的目標(biāo)檢測(cè)一般框架 基于整體模型的方法將行人作為一個(gè)整體進(jìn)行建模、描述與檢測(cè)。其思路是利用固定大小的窗口對(duì)整幅圖像或 者感興趣區(qū)域進(jìn)行滑動(dòng)窗口（ 描，在滑動(dòng)窗口內(nèi)提取特征，再利用分類器進(jìn)行模式分類判斷該窗口是否包含人體。其關(guān)鍵問題是選擇魯棒、高效的特征（如輪廓、形狀、顏色等）來表述行人，并使用模板匹配或者統(tǒng)計(jì)學(xué)習(xí)方法建模。其典型框圖如圖 1- 2所示。 人1首次使用了一組過完備的 分類實(shí)現(xiàn)了行人的快速檢測(cè)。人2,3提出了一種梯度向量直方圖（特征結(jié)合 類器的行人檢測(cè)方法。該特征在行人檢測(cè)主要表征的是行人的輪廓信息，是通過計(jì)算局部區(qū)域上的梯度方向直方圖構(gòu)成人體特征，在 數(shù)據(jù)庫上取得了較好的效果，已經(jīng)成為行人檢測(cè)中比較主流的一種特征。在 基礎(chǔ)上，等人提出了變尺度 特征，相比原始 征的固定尺度特性，其對(duì)于局部輪廓的變化更加敏感。 文獻(xiàn)5,6 中將 1 范數(shù)最小化作為分類準(zhǔn)則應(yīng)用到人體檢測(cè)中，提出人體的稀疏表示與分類。同樣使用了梯度方向直方圖特征，通過加權(quán) 性判別分析法，將高維的直方圖特征投影為 1 維的標(biāo)量值，然后使用 圖 1- 3 基于部位檢測(cè)和關(guān)系模型的目標(biāo)檢測(cè)一般框架 在行人檢測(cè)中主要的難點(diǎn)來自遮擋、多視角、大的類內(nèi)差距以及光照變化，而基于部位結(jié)構(gòu)的行人檢測(cè)模型是可以較好解決以上問題的另一類目標(biāo)檢測(cè)解3 基于拓?fù)淠Ｐ偷男腥藱z測(cè)方法研究 決方案?；诓课坏姆椒▽⒁粋€(gè)目標(biāo)建模分為其整體模型和各個(gè)部位模型的綜合，通過對(duì)于不同部分的分別或者協(xié)同檢測(cè)定位人體這樣對(duì)于解決遮擋目標(biāo)和多姿態(tài)目標(biāo)等情況是比較有效的。其典型框圖如圖 1- 3所示： 等提出了一個(gè)基于部位的檢測(cè)系統(tǒng)。系統(tǒng)由 4 個(gè)部位檢測(cè)器和一個(gè)裝配檢測(cè)器組成。4 個(gè)部位檢測(cè)器分別為頭，腿，左臂和右臂檢測(cè)器。實(shí)驗(yàn)結(jié)果顯示這個(gè)系統(tǒng)的檢測(cè)性能比單個(gè)基于整體的方法要好，它能夠檢測(cè)出部分被遮擋的人和某些部位跟背景對(duì)比度低的人。文獻(xiàn)9 中提出了一個(gè)將人體分為三個(gè)部位的分級(jí)的模板匹配檢測(cè)框架，三個(gè)部位分別是，頭和軀干，大腿，小腿。文章中擴(kuò)展了層次匹配模板的思想，將整個(gè)人體形狀模型分解成不規(guī)則部位，構(gòu)建部位模板匹配樹。模型中按照行人各個(gè)部位的變化程度來決定每個(gè)部位模板的數(shù)量，實(shí)驗(yàn)表明該方法對(duì)于遮擋問題有較好的效果。 0提出了基于貝葉斯推斷方法，求出最大后驗(yàn)概率解。他將人體分成頭肩、軀干、腿部三個(gè)部位，分別訓(xùn)練分類器加以檢測(cè)。在得到所有部位檢測(cè)結(jié)果后，再用貝葉斯推斷來分析哪里出現(xiàn)行人。 2009 年以來， 人11,12提出了可形變的基于部分的模型，該模型對(duì)于一類物體建立多個(gè)長(zhǎng)寬比不同的模型，首先利用 型進(jìn)行檢測(cè)，檢測(cè)到整體行人后再進(jìn)行部分定位，最后各部分響應(yīng)及形變的損失函數(shù)判別人體。該方法在 賽中也取得了最好的成績(jī)。目前，對(duì)于人體姿態(tài)的研究也是一個(gè)熱點(diǎn)問題。在文獻(xiàn)13 中，人將固定模板與基于部位的模型相結(jié)合，將檢測(cè)的尺度擴(kuò)大，較大的降低了漏檢率。在文獻(xiàn) 14中，作者提出了一種基于部位檢測(cè)和子結(jié)構(gòu)的檢測(cè)方法，主要是選取部位組合的最小覆蓋集來達(dá)到檢測(cè)的目的，可以解決一部分遮擋問題。文獻(xiàn)15,16 中， 人體劃分成了十個(gè)部位，利用 7特征對(duì)不同部位進(jìn)行檢測(cè)，在此基礎(chǔ)上利用后驗(yàn)概率最大化來判斷人體的姿態(tài)，并在此基礎(chǔ)上做了跟蹤的相關(guān)實(shí)驗(yàn)。 文獻(xiàn)18 中用同樣的特征對(duì)人體部位進(jìn)行檢測(cè)，提出了一個(gè)模型學(xué)習(xí)的方法對(duì)人體不同姿態(tài)進(jìn)行判斷，并將交互的物體與人體姿態(tài)互為上下文用于姿態(tài)識(shí)別和檢測(cè)。 可以看出，人體檢測(cè)在還有許多提升的空間。基于部位的檢測(cè)越來越成為研究人員關(guān)注的重點(diǎn)?；诓课坏娜梭w檢測(cè)中，對(duì)部位特征的選取和部位間關(guān)4 第一章 緒論 系模型的構(gòu)建是兩個(gè)研究點(diǎn)，而這兩方面各自的發(fā)展都將為此領(lǐng)域的研究帶來提升使得復(fù)雜場(chǎng)景下的檢測(cè)更加魯棒。 人檢測(cè)中存在的問題 現(xiàn)有的人體檢測(cè)算法，雖然在一定程度上能夠完成對(duì)人體目標(biāo)的正確檢測(cè)，但是都或多或少的存在一些問題，列舉如下： 1) 人體目標(biāo)衣服的形態(tài)、顏色、樣式的多變性。老人、小孩、男人、女人衣服飾物各不相同，多種多樣，是人體檢測(cè)的難點(diǎn)之一，在很大程度了限制了人體檢測(cè)算法的誤檢率和檢測(cè)精度。 2) 檢測(cè)目標(biāo)的部分及完全遮擋。遮擋會(huì)造成被檢測(cè)目標(biāo)特征的缺失，挑戰(zhàn)了分類器的容忍度。比如，被部分遮蓋了腿部信息的人其實(shí)同一個(gè)放置在盒子上的盆栽沒有本質(zhì)的區(qū)別（就計(jì)算機(jī)來看）。 3) 圖片中行人的多尺度問題。由于行人在視頻中的位置不同，以及其本身的大小造成了行人在監(jiān)控場(chǎng)景下的尺度不同，但是現(xiàn)階段所使用的檢測(cè)窗口大小固定，這就給掃描時(shí)的定位造成了很大的困難。如今采用的主流方法是多尺度檢測(cè)窗口的方法，雖然有效地解決了這個(gè)問題，但是卻在無形之中增加了計(jì)算量。 4) 場(chǎng)景光線亮度變化。同一目標(biāo)在不同的光線亮度條件下會(huì)產(chǎn)生有明顯差異的目標(biāo)圖像，成為了是很多室外實(shí)際應(yīng)用系統(tǒng)中阻礙性能提升的瓶頸。 5) 背景的影響?，F(xiàn)實(shí)的背景中存在各式各樣、五顏六色、形態(tài)各異的物體，例如：路邊樹木、電線干、欄桿、柵欄等它們都或多或少具有人體的部分特征信息，很容易引起人體檢測(cè)算法失效。 文的研究?jī)?nèi)容 本文的主要研究旨在提出一種基于拓?fù)淠Ｐ偷男腥藱z測(cè)方法。針對(duì)在復(fù)雜場(chǎng)景下人體檢測(cè)中遇到的遮擋問題，補(bǔ)償單一特征檢測(cè)的局限性。研究?jī)?nèi)容如下： 5 基于拓?fù)淠Ｐ偷男腥藱z測(cè)方法研究 1) 人體各個(gè)部位的描述與檢測(cè)：本文通過對(duì)行人進(jìn)行語義分塊，將行人分成若干個(gè)部位，對(duì)每個(gè)人體部位進(jìn)行 征提取，訓(xùn)練線性 相應(yīng)的人體部位樣本進(jìn)行二分類，從而得到對(duì)行人部位的檢測(cè)結(jié)果?？紤]到行人部位的多樣性，尤其是行人呈現(xiàn)不同姿態(tài)時(shí)，部位產(chǎn)生的平面角度形變，嘗試對(duì)于該問題提出解決方案，在圖片中行人大小多尺度的基礎(chǔ)上，對(duì)角度進(jìn)行多尺度處理。 2) 人體各個(gè)部位之間關(guān)系模型的描述：空間關(guān)系模型建立是一個(gè)對(duì)人體的各個(gè)部位根據(jù)空間關(guān)系建模的過程。建立的模型將一個(gè)人體樣本各個(gè)部位之間的拓?fù)潢P(guān)系表示為一個(gè)特征向量，一系列空間關(guān)系訓(xùn)練樣本的特征向量輸入到進(jìn)行訓(xùn)練，用于去除部分檢測(cè)中誤檢測(cè)。研究?jī)?nèi)容如圖 1- 4。 圖 1- 4 行人檢測(cè)研究框架 6 第一章 緒論 文的組織結(jié)構(gòu) 第一章，緒論。論述了圖片/ 視頻幀中行人檢測(cè)的研究背景和意義，闡述了國(guó)內(nèi)外行人檢測(cè)的研究現(xiàn)狀以及發(fā)展趨勢(shì)，分析了行人檢測(cè)領(lǐng)域中存在的問題，并列出了本文的主要研究目標(biāo)和研究?jī)?nèi)容。 第二章，行人檢測(cè)相關(guān)工作綜述。綜述了行人檢測(cè)框架、特征表示和代表性研究方法，并列舉了行人檢測(cè)常用的數(shù)據(jù)庫。 第三章，行人部位檢測(cè)模型。闡述了 征的表示，以及行人部位分割與表示策略，同時(shí)給出了行人部位旋轉(zhuǎn)檢測(cè)的方法以及實(shí)驗(yàn)結(jié)果。 第四章，行人拓?fù)涿枋雠c建模。介紹了行人拓?fù)潢P(guān)系描述，闡述了行人部位間的空間關(guān)系，論述了 基本原理及其在行人檢測(cè)上的應(yīng)用。在不同數(shù)據(jù)集上進(jìn)行了實(shí)驗(yàn)驗(yàn)證及對(duì)和分析。 結(jié)束語總結(jié)了本文的主要工作，展望了未來工作的方向。 7 基于拓?fù)淠Ｐ偷男腥藱z測(cè)方法研究 8 第二章 行人檢測(cè)相關(guān)工作綜述 第二章 行人檢測(cè)相關(guān)工作綜述 計(jì)算機(jī)視覺和模式識(shí)別相關(guān)會(huì)議每年都有人體檢測(cè)的研究工作發(fā)表，提出一些新的研究視點(diǎn)或者改進(jìn)一些經(jīng)典算法。本章首先回顧了目標(biāo)檢測(cè)的一般框架，然后對(duì)一些代表性的工作進(jìn)行綜述。 標(biāo)檢測(cè)的一般框架 待檢測(cè)區(qū)域多尺度多位置掃描特征提取歸一化訓(xùn)練樣本特征提取模型訓(xùn)練模式分類檢測(cè)過程 訓(xùn)練過程圖 2- 1 目標(biāo)檢測(cè)一般框架 如圖 2- 1所示，為目標(biāo)檢測(cè)的一般框架。一般來講，目標(biāo)檢測(cè)主要分為兩個(gè)部分： 訓(xùn)練和檢測(cè)。在訓(xùn)練過程中，訓(xùn)練樣本需要通過歸一化成為同一尺度，在統(tǒng)一的尺度下做特征提取和模型訓(xùn)練；檢測(cè)過程中，需要對(duì)圖片進(jìn)行多尺度縮放，并在圖片范圍內(nèi)做滑動(dòng)窗口掃描，并對(duì)滑動(dòng)經(jīng)過的每個(gè)窗口做相應(yīng)的特征提取，最后送入訓(xùn)練好的分類器進(jìn)行分類，得到檢測(cè)結(jié)果。 征表示 基于整體模型和基于部件模型的檢測(cè)方法的關(guān)鍵一環(huán)在于特征的選取，尤9 基于拓?fù)淠Ｐ偷男腥藱z測(cè)方法研究 其針對(duì)于人體的非剛體性，特征描述顯得尤為關(guān)鍵，對(duì)行人整體或部件的檢測(cè)起著重要作用。下面介紹幾種常見的特征描述子。 在 1997 年， M. 0提出了用小波提取特征，再使用 做分類的思想。 M. 合作者 人1，在行人檢測(cè)中使用兩個(gè)尺度上的小波函數(shù)對(duì)圖像進(jìn)行 波變換， 選擇能夠表現(xiàn)類內(nèi)緊致性的小波系數(shù)作為人體特征。后來， 人又對(duì)原始的 征進(jìn)行了拓展，實(shí)現(xiàn)了對(duì)圖像更精細(xì)的描述。該特征分別在人臉、人體等目標(biāo)上進(jìn)行了實(shí)驗(yàn)，在人臉檢測(cè)上的效果好于人體檢測(cè)的效果21,22。 ,8,23。如 圖 2- 2，A) 和 (B)為兩個(gè)矩形的特征，(C) 為三個(gè)矩形的特征,(D) 為四個(gè)矩形的特征。特征計(jì)算可通過積分圖的計(jì)算進(jìn)行加速1,823。 - 2 征 有了現(xiàn)在的“拓展的23，見 圖 2- 3。 圖 2- 3 拓展的 征 部二值模式19,25雖然計(jì)算簡(jiǎn)單，但是由于其10 第二章 行人檢測(cè)相關(guān)工作綜述 在文理分析方面的強(qiáng)大能力而在目標(biāo)檢測(cè)中得到應(yīng)用。用圖像中某一像素點(diǎn)與周邊像素點(diǎn)的灰度差構(gòu)成了圖像的細(xì)節(jié)紋理。計(jì)算過程如圖 2- 4所示：以中心像素的 8 臨域?yàn)槔?，以中心像素的灰度值為閾值，臨域內(nèi)的每個(gè)像素都與中心像素的進(jìn)行比較，大于中心點(diǎn)的像素標(biāo)記為“1”，小于的則標(biāo)記為“0 ” ，這樣臨域內(nèi)的二進(jìn)制串起來組成了表征該點(diǎn)的進(jìn)制串。再將該二進(jìn)制串乘以他們各位的對(duì)應(yīng)權(quán)值就可以得到一個(gè)十進(jìn)制