基于多尺寸HOG考场场景下考生目标检测方法.docVIP

基于多尺寸HOG考场场景下考生目标检测方法 　　摘 要：本文针对考场场景中考生检测问题，提出了一种以头肩肘特征作为考生识别依据的改进的HOG算法。该算法使用多尺寸的Block和Cell，对于小目标减小Cell尺寸及步长，使用2：1、1：1Block代替传统的1：1Block，使之有效检测考生目标。实验中经过基于多尺寸HOG特征的SVM分类器的精细验证，完成了考生头肩肘的检测识别，此算法准确率高于82%。 关键词：HOG、SVM；多尺寸HOG；头肩检测 中图分类号：TP391.41 人体定位是智能考试监控系统的前提。常用的人体定位大多是对人的整个身体、脸部、肤色或者运动进行检测[1-4]。然而考场场景中存在着由于桌椅对肘部以下的遮挡、长发对面部的遮挡、摄像角度导致的遮挡以及运动幅度微小等问题，传统的人体定位方法很难准确的检测目标。 在这种情况下，经研究发现人体头肩肘部通常体现得较为完整且头肩肘轮廓相似度很高，容易与背景区分，可以作为人体目标检测的依据。头肩检测（Head-Shoulder Detection）通常应用与复杂场景（商场、街道等）下的人体检测，由于检测目标较大，多选择64×64或者128×64的检测窗口[8-10]。但在考场场景中由于摄像头俯视、头肩肘的长宽比例约为8：5而不是传统的2：1等问题，64×64的检测窗口不能很好的发现目标，128×6