基于OpenCV的神经网络室外场景视频行人检测-电路与系统专业论文.docxVIP

万方数据 万方数据 Dissertation Submitted to Hangzhou Dianzi University for the Degree of Master The outdoor voide pedestrian detection use neural network based on OpenCV Candidate: Shi GangQiang Supervisor: A.P Hu WeiWei Prof. Qin HuiBin March，2016 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。对本文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 杭州电 杭州电子科技大学硕士学位论文 摘 要 随着恐怖主义的不断抬头，人们日益认识到安防的重要性。传统的安防通过布设大量监 控摄像头并通过人工来实现实时监控，该方法消耗大量人力物力且效率低下。在这个背景下， 智能视频监控技术以其对视频的自动监控和实时报警的能力得到了人们的重视。 行人检测作为智能视频监控技术中重要的基础之一，是一个计算机视觉领域的热点、难 点。当前主流的 HOG+SVM 行人检测方法存在计算量大，计算速度慢的问题，其对视频中出 现的行人无法做到实时检测。 针对上述问题，本文以室外场景下的视频作为研究对象，以目标检测和行人识别作为研 究内容，以实现实时视频行人检测方法。论文研究成果如下： （1）运动目标检测的结果为一帧黑白二值图，为了准确的提取出其中的运动目标，研究 了一种使用膨胀——腐蚀——膨胀的后处理方法，克服了传统背景减除方法中的噪点干扰和 背景干扰问题。 （2）运动目标多为行人、车辆、动物等运动物体，为了全面描述运动目标的特征属性， 使用后验 HOG 特征和后验 LBP 特征相结合的特征融合方法，克服了单特征描述能力不全面 的问题。并使用主成分分析法对特征维度进行降维，克服了多个特征数据量大的问题。 （3）对运动目标的识别采用模式识别方法，为了能高效识别运动目标，构建了一种使用 经过调优结构后的 BP 神经网络，克服了模式识别检测时间长的问题。 通过实验发现本文算法相对于当前主流的 HOG+SVM 算法，在 INRIA 行人数据库上对 行人的检测率达到 96.3%，速度较快。 关键词：混合高斯模板，HOG 特征，LBP 特征，神经网络 I ABSTRACT With the rising of terrorism, people increasingly realize the importance of security. The traditional security achieves real-time monitoring by setting a large number of surveillance cameras and method of artificial monitoring, which consumes a large amount of resources and has low efficiency. Under this background, the intelligent video surveillance technology has attaches peoples attentions because of its video automatic monitoring and real-time alarming ability. Pedestrian detection, as one of the important basis of intelligent video surveillance technology, is a hot and difficult point in the field of computer vi