图像中的人体检技术.pdfVIP

  1. 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
  2. 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  3. 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  4. 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  5. 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  6. 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  7. 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
图像中的人体检技术

摘要 摘 要 快速有效地检测人体在计算机视觉中有许多应用,例如智能汽车、视频监控、 图像检索和高级人机交互等。在智能视频监控中,自动在场景中搜索人体被视为 理解人类活动的首要预处理步骤。由于人体自身姿态变化多端,衣着具有多样性 以及背景、光照条件的复杂性,使得在图像中进行人体检测面临巨大的挑战。 本文首先给出一种图像中的人体检测算法,将边缘方向特征和Haar-like特 征作为候选特征集,采用改进的Adaboost算法来训练人体检测器中每层的强分 类器。针对传统Adaboost算法训练较慢的缺点,提出一种快速特征选择算法, 通过构造统计表,保存特征信息,避免每轮弱分类器训练时对所有特征重新计算 分类误差;并结合fisher判决分析方法对选出的弱分类器进行训练,学习得到一 个新的线性判决方程,最大化不同类别数据之间的可分离性,达到优化强分类器 降低风险敏感影响的目的。 另外,本文还对最终分类器的分层级联结构进行了改进,即在传统的分层结 构基础上加入若干附加的分类器,这些分类器是利用原来级联结构中每层强分类 器的置信度信息,通过支持向量机训练得到的。改进后的分层级联结构由于充分 利用了层间信息,能够更快地将负样本排除掉,显著提高人体检测器的效率。 本文还将该算法应用到视频中,用来检测视频中的运动人体。首先对视频中 的运动目标进行检测,采用减背景的方法,通过高斯混合模型建立背景模型,在 模型参数不断地更新过程中,得到前景图像。对二值化的前景图像作数学形态学 处理,并采用8.邻域连通区域分析方法来标记运动区域,在原视频的运动区域内 利用已经训练好的人体检测器得到最终检测结果。 实验结果表明,无论是在图像中还是在视频中,本文给出的方法都能够有效 地检测出人体,并且基本满足实时的要求。 关键词:人体检测边缘方向特征 快速特征选择算法分层级联结构 高斯混 合模型运动目标检测 Abstract ABSTRACT Humandetectionhas in assmart many applications vision,suchcars, computer videosurveillance andSOon.Anautomaticmethodfor humansinascene finding servesasthe first in human importantpreprocessingstep understandingactivity. The atedue a challengesto wide of thathumansCan rangeposes adopt,large variationsin wellas and illumination clothing,asclusteringbackgroundcomplex condition. humandetection inthe is Firstly,a still algorithm image discus

文档评论(0)

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档