基于Volterra级数核方法的人形检测研究-信号与信息处理专业论文.docxVIP

Dissertation Submitted to Hangzhou Dianzi University for the Degree of Master Research of Human Detection Based on Volterra Kernel Method Candidate: Zhao Jiezhen Supervisor: Associate professor Guo Chunsheng March，2015 杭州电子科技大学 学位论文原创性声明和使用授权说明 原创性声明 本人郑重声明： 所呈交的学位论文，是本人在导师的指导下，独立进行研究工作所取得 的成果。除文中已经注明引用的内容外，本论文不含任何其他个人或集体已经发表或撰写过 的作品或成果。对本章的研究做出重要贡献的个人和集体，均已在文中以明确方式标明。 申请学位论文与资料若有不实之处，本人承担一切相关责任。 论文作者签名： 日期： 年 月 日 学位论文使用授权说明 本人完全了解杭州电子科技大学关于保留和使用学位论文的规定，即：研究生在校攻读 学位期间论文工作的知识产权单位属杭州电子科技大学。本人保证毕业离校后，发表论文或 使用论文工作成果时署名单位仍然为杭州电子科技大学。学校有权保留送交论文的复印件， 允许查阅和借阅论文；学校可以公布论文的全部或部分内容，可以允许采用影印、缩印或其 它复制手段保存论文。（保密论文在解密后遵守此规定） 论文作者签名： 日期： 年 月 日 指导教师签名： 日期： 年 月 日 摘 要 人形检测是目标检测识别领域的一个重要研究方向，它是行人跟踪、人体姿态识别、人 群异常事件检测、人物行为分析、智能交通等众多计算机视觉应用的基础，涉及了图像处理、 模式识别等领域的技术，所以研究人形检测提高它的准确率以及效率具有十分重要的意义。 本文在前人研究的基础上，提出了一种基于核方法的人形检测算法，并从两个方面入手提高 人形检测的准确率。 在基于核方法的分类问题中，核函数及其参数的选择都对分类检测结果具有重要影响， 而在单核学习过程中，通常是基于经验选择核函数并通过大量仿真实验确定核函数的参数而 并没有统一选择的标准。本文针对 GF 空间的多项式核函数，在范数限定条件下将它的形式 做一定的改变，使得单核形式转化成为多核的形式，并且利用多核学习方法优化多项式权系 数，实现多项式核函数的优化。该方法综合了单核的简单性和多核的强适应性的优点，从而 不需要预先定义核函数的参数，并且能够根据训练的样本调节核参数，节约了大量仿真选择 核参数的时间，同时可以提高检测的效果。在实验中本文采用四种方法对 GF 空间多项式进 行优化，从优化结果可以知道：在不同的优化方式下，GF 空间多项式核的分类结果相差不大， 这表明了本文提出的分类方法具有多核的强适应性。此外，论文方法还与单核、多核的分类 效果进行了比较，由实验数据分析验证了基于 GF 空间多项式核函数的核方法的分类效果优 于单核方法，与多核相当。 在人形检测过程中，往往因为遮挡或者背景复杂造成漏检以及因跟人具有相似的形状而 造成误检，使得检测准确率不高。为了解决这两个问题，本文先将人体目标分割成上半身、 左右腿三个部分，并增加一个全身，对这四个部分分别进行特征提取和训练，如此可以降低 漏检率；然后将完成第一阶段的训练器进行第二阶段的训练，可以降低误检率。通过对 INRIA、 TUD-Campus、TUD-Crossing 这三个数据库上进行检测，检测结果证明，使用本文的分类器 模型可以提高检出率，特别是在行人被遮挡或复杂的背景下可以降低漏检率和误检率。 关键词：人形检测，HOG，核方法，支持向量机，GF 空间 I ABSTRACT Human detection is an important research direction in the field of target detection identification. It is the basis of many computer vision applications such as pedestrian tracking, human gesture recognition, the crowd abnormal event detection, human behavior analysis, intelligent transportation, involving the fields of image processing, pattern recognition technology etc. So it’s very important to do the research of human detection to i