基于adaboost与显著信息的行人检测算法-信号与信息处理专业论文.docxVIP

万方数据 万方数据 独 创 性 声 明 本人声明所呈交的学位论文是本人在导师指导下进行的研究工作及取得的研 究成果。据我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其他 人已经发表或撰写过的研究成果，也不包含为获得电子科技大学或其它教育机构 的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均 已在论文中作了明确的说明并表示谢意。 签名： 日期： 年 月 日 关于论文使用授权的说明 本学位论文作者完全了解电子科技大学有关保留、使用学位论文 的规定，有权保留并向国家有关部门或机构送交论文的复印件和磁盘， 允许论文被查阅和借阅。本人授权电子科技大学可以将学位论文的全 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、汇编学位论文。 （保密的学位论文在解密后应遵守此规定） 签名： 导师签名： 日期： 年 月 日 万方数据 万方数据 摘 要 摘 要 行人检测算法作为目标检测的一个具体问题，涉及图像处理、计算机视觉、 机器学习等多个学科，可应用于智能交通、视频监控、图像压缩、多媒体检索等 领域。正是因为这些广泛的应用，近年来行人检测受到了科研人员以及企业越来 越多的关注，该领域取得了长足的进步。但是由于行人本身及其周围环境的特点， 要做到准确、实时地检测仍然面临两个难点：（1）行人是一种非刚性的物体，因 为站立角度（正面、侧面、背面）、衣着、遮挡等情况的不同，导致了行人检测的 复杂性。（2）摄影角度和属性、光照角度和强度、周边物体的多样性等也给目标 的精确检测带来一定的难度。 本文在基于 AdaBoost 行人检测算法的基础上，做出了以下改进： （1）基于混合特征库和 AdaBoost 级联分类器 该方法构建了一个包含了 Haar-like 矩形、改进的边缘方向直方图（EOH）和 梯度方向直方图（HOG）的混合特征库。我们首先提取训练样本的混合特征数据， 再利用级联的 AdaBoost 算法挑选少量关键特征，最终得到快速、准确的行人检测 分类器。 （2）通过引入显著信息修正 AdaBoost 分类器的检测结果 由于图像中行人所在区域常常与图像较为显著的区域较为吻合，所以本文在 行人检测的过程中引入显著信息以提高检测的准确性。本文采用了两种将显著信 息与 AdaBoost 分类器的结合方式，第一种方式与显著物体检测方法类似，直接利 用行人的显著特征训练分类器，第二种方式首先生成图像的显著图，再利用显著 图的区域显著度动态调整分类器的判别阈值。实验表明，显著信息能够有效地描 述行人与周围环境的差异，改进检测结果。 本文通过构建一种混合特征库，有效地描述了行人在像素、梯度等方面的特 点，通过 AdaBoost 分类器对特征数据进行分类，得到一个快速、准确的行人检测 系统；又通过引入行人的显著信息，在保留了检测实时性的同时，进一步改进了 最终的实验结果。 关键词：行人检测；混合特征；AdaBoost；显著信息 I ABSTRACT ABSTRACT As a specific problem of object detection, pedestrian detection is related to many subjects, such as image processing, computer vision, machine learning. It is widely applied to many areas, such as intelligent transportation, video surveillance, image compressing, and multi-media retrieval. Because of these widely applications, pedestrian detection has attracted more and more attentions from researchers and companies and made an extraordinary progress in recent years. However, pedestrian detection faces two difficulties to achieve accurate and real time detection. Firstly, pedestrian itself is non-rigid, it is variety in standing angles (front, side, and back), clothes, and occlusions. Secondly, diversi