基于hog特征的教室人数拥挤度检测系统的设计与实现-软件工程专业论文.docxVIP

独创性声明 本人声明所呈交的学位论文是我个人在导师指导下进行的研究工作及取得 的研究成果。尽我所知，除文中已经标明引用的内容外，本论文不包含任何其他 个人或集体已经发表或撰写过的研究成果。对本文的研究做出贡献的个人和集 体，均已在文中以明确方式标明。本人完全意识到本声明的法律结果由本人承担。 学位论文作者签名： 日期： 年 月 日 学位论文版权使用授权书 本学位论文作者完全了解学校有关保留、使用学位论文的规定，即：学校有 权保留并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和 借阅。本人授权华中科技大学可以将本学位论文的全部或部分内容编入有关数据 库进行检索，可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。 本论文属于 保密□， 在 年解密后适用本授权书。 不保密□。 （请在以上方框内打“√”） 学位论文作者签名： 指导教师签名： 日期： 年 月 日 日期： 年 月 日 摘 要 计算机技术的飞速发展使得它的应用范围迅速扩展，当今计算机已经深入到社 会生活的各个领域，计算机视觉无疑是当前应用最广泛的领域。随着技术的进步,特 别是计算机技术和数字信号处理技术的飞速发展,计算机视觉技术应运而生。简单的 说,计算机视觉技术就是人们利用摄像机等设备获取视频图像信息,再通过计算机将 其转化为数字信号进行分析处理,以便人们更好地理解、利用这些信息。随着数字信 息的规模越来越庞大，将信息归类的要求也越来越高，而人工智能领域的发展为这 个问题找到新的突破口。利用人工智能的思想，设计出各种各样的分类器，通过分 类器能够进行机器学习的特点，更好的满足现实的需求。 本文利用 hog 特征和 svm 分类器技术设计实现了教室人数拥挤度检测系统，为 了解教室拥挤度的情况做了一个判断，有助于更好的利用教室资源。 基于 HOG 特征的人体识别主要包括两个步骤:特征提取和检验。首先对样本数 据提取 HOG 特征，并以特征向量的形式来表示，然后用合适的分类器对这些特征 进行训练，最后完成对目标的检测和识别任务。这其中用到了边缘检测技术，HOG 特 征提取，分类器训练算法。首先要对图像进行处理，以减小光照和噪点带来的影响。 然后对图像提取 hog 特征，并以向量集合的形式表示这个视频帧图片。接下来就可 以进行 svm 分类器的训练学习。在 svm 分类器结果之后，加入判定算法，用以提高 系统的准确率，使之能更好的适应复杂环境。 关键字：视频处理 Hog 特征 Svm 分类器 拥挤度分类 边缘检测 Abstract The rapid development of computer technology makes it expanding range of applications in an Unbelievable speed. In this time, computers have been deep into all areas of social life. It is undoubtedly that computer vision is the most widely used area in the field. With advances in technology, especially the rapid development of computer technology and digital signal processing technology, computer vision technology is introduced. Simply put, computer vision technology is that people use video cameras and other devices to obtain information through a computer to convert it into a digital signal to analysis and processe,for a better understanding to use this information.With more and more large-scale digital information, classified information requirements are also increasing, and the development of artificial intelligence get a new breakthrough for this problem.It will meet the need much better if using artificial i