计算机视觉——行人检测的方法改进.docVIP

计算机视觉——行人检测的方法改进 　　摘要：该文在阐述行人检测方法改进的主要思路、范围和方法的基础上，进一步对行人检测所使用的统计方法和特征进行了分析比较，提出了基于融合分类器的行人检测算法，并在检测前先进行前景标注，然后再在带标注的图像上进行行人检测。 　　关键词：计算机视觉；行人检测方法；改进；级联分类器 　　中图分类号：TP391.41文献标识码：A文章编号：1009-3044(2012)22-5341-03 　　Computer Vision—Improvement in Pedestrian Detection 　　DU Wen-lu 　　(Colledge of Japanese Software Engineering, Dalian Jiaotong University, Dalian 116052, China) 　　Abstract: This passage is about pedestrian detection and its improvement concerning its main idea, scope and method. The pedestrian detection based on statistical methods are analyzed and combined with the characteristics. The method of merged classifiers which can improve the detection rate on the condition that the performance will not decrease is used in this experiment. A marking foreground method is proposed that the foreground is extracted and marked, so that only the foreground pixels are detected instead of all of the image at the detection stage, which can improve the accuracy of detection, and make the detection speed more faster. 　　Key words: computer vision; pedestrian detection; improvement; merged classifiers 　　计算机视觉对于人类的影响是重大的，它伴随着计算机的蓬勃发展成为了一个不可或缺的分支。毫无疑问视觉信息在我们的日常生活中具有重要的地位。如果计算机能够像人类那样理解摄像机捕捉到的视觉信息，则会给我们的生活带来巨大的影响和帮助。然而目前对于计算机视觉的研究还不是很成熟的，比如小孩到了4、5岁的时候就能在轻易地分辨出图像卡片中的树、人、车等不同类别的物体，还能区别不同的树，如杨树、柳树、果树等，在这方面，计算机明显还存在着巨大的不足之处。 　　该文针对计算机视觉中的行人检测部分做了深入的研究，力求能让计算机能够高速高质量的辨别一段视频中的人。下面详细的对所做的实验的方法以及结果做以介绍。 　　1行人检测方法改进的主要思路 　　实验的主要思路为在行人检测研究时，根据现有的级联分类器的不足之处，提出了融合两个级联分类器来进行行人检测的方法。具体采用了表观特征向量来描述人体，并结合统计学习的分类方法来检测视频中的行人。为了保证融合分类器的检测性能和实时性，融合的两个分器分别选取了类Haar特征分类器和Shapelet特征分器，前者作为第一级分类器，后者作为第二级分类器。提出了使用Haar-like结合人体头肩的特征和Shapelet结合人体头肩的特征来描述人体；在分类器训练时，采用的是Gentle-Adaboost机器学习算法；并且为提高分类器检测速度，首先对视频序列进行了前景标注，采用背景差分将前景点标注出来，这样在检测时只需检测前景点即可，减少了大量背景上的检测时间。该文检测方法的具体流程如图所示。 　　 　　图1行人检测具体流程图 　　2研究的范围与方法 　　2.1本实验主要研究的是静态背景下的行人检测 　　根据拍摄的摄像头的情况，可以将运动目标检测的研究主要分为两大类：动态背景情况下的目标检测与静态背景下的目标检测。前者主要是在拍摄的过程中，摄像头是跟着目标前进，后退等方式移动的，背景环境因此也是不断变化的；后者情况下，摄像头是固定的，相对于目标场景来说是静止的，因此背景环境是相对不变的。而视频监控系统中使用的大多数方