基于多模板匹配的行人检测算法研究-电子科学与技术专业论文.docxVIP

学校代码 分 类 号  10701 TP39 学 号 1202120816 密 级 公开 TN82西安电子科技大学 TN82 硕士学位论文 基于多模板匹配的行人检测算法研究 作者姓名：洪传文 一级学科：电子科学与技术 二级学科：电路与系统 学位类别：工学硕士 指导教师姓名、职称： 李洁教授 提交日期：2014 年 11 月 A Research on Pedestrian Detection Method Based on Multi-Models Matching A thesis submitted to XIDIAN UNIVERSITY in partial fulfillment of the requirements for the degree of Master in Electronic Science and Technology By Hong chuanwen Supervisor: Prof. Li jie November 2014 西安电子科技大学 学位论文独创性（或创新性）声明 秉承学校严谨的学风和优良的科学道德，本人声明所呈交的论文是我个人在 导师指导下进行的研究工作及取得的研究成果。尽我所知，除了文中特别加以标 注和致谢中所罗列的内容以外，论文中不包含其他人已经发表或撰写过的研究成 果；也不包含为获得西安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 明并表示了谢意。 学位论文若有不实之处，本人承担一切法律责任。 本人签名： 日 期： 西安电子科技大学 关于论文使用授权的说明 本人完全了解西安电子科技大学有关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于西安电子科技大学。学校有权 保留送交论文的复印件，允许查阅、借阅论文；学校可以公布论文的全部或部分 内容，允许采用影印、缩印或其它复制手段保存论文。同时本人保证，获得学位 后结合学位论文研究成果撰写的文章，署名单位为西安电子科技大学。 保密的学位论文在 年解密后适用本授权书。 本人签名： 导师签名： 日 期： 日 期： 摘要 摘要 西安电子科技大学硕士学位论文 西安电子科技大学硕士学位论文 摘要 行人检测是指检测图像或视频中是否存在行人并给出相应的位置信息，是计 算机视觉的重要研究方向之一，其在汽车辅助驾驶系统、军事侦查、视频智能监 控等诸多领域具有广泛的应用前景。近年来，人们提出了许多更为准确、高效的 行人检测算法，大都将行人检测转化为二分类问题，并采用机器学习的方法训练 分类器生成模板，对待检测图像进行多尺度滑窗搜索。在该类方法中，特征求取 和分类器的训练是决定其检测准确率的两个关键因素。 本文针对行人外观姿态多样、背景复杂的难点，从分类器的训练过程出发， 以线性支持向量机（Support Vector Machine，SVM）作为分类器，提出两种自适应 学习多个模板的行人检测算法，使得多个模板更好的适应不同外观的行人，进而 提高行人的检测准确率。主要研究成果概括如下： 第一，提出了基于聚类的多模板匹配行人检测算法。算法考虑选取对颜色和 光照变化不敏感的特征描述目标（本文选取了梯度方向直方图（ Histogram of Oriented Gradient，HOG）特征），首先采用聚类算法对训练正样本进行聚类，将 具有相似外观（例如姿态和视角）的行人样本聚成一类，再分别对每一类样本独 立训练生成模板，使得每个模板仅针对一类行人目标，以提高模板对该类目标的 适应性；其次，在检测阶段，每个模板独立并行检测测试图像；最后通过线性加 权的方式合并不同模板的重复检测结果。在 INRIA 和 ETH 行人数据库上对算法进 行测试，通过不同聚类方法（基于内平方距离的层次聚类算法、K-Means 算法和 FCM 算法）和不同聚类数目（2 类、3 类和 4 类）的仿真实验，并对比了 HOG 算 法，结果表明，该算法可以更好的适应行人外观的变化，在一定程度上降低检测 结果的平均丢失率，获得更高的检测准确率。 第二，提出了基于级联训练的多模板匹配行人检测算法。在训练阶段，采用 分类器级联的训练方式，针对前一级训练样本中的易错样本自适应选择新特征训 练生成多个模板。算法定义选取的新特征为互补特征，由本文提出的互补特征选 择策略（Complementary Features Selection Strategy，CFSS）从候选特征集中选取， 最终选取了 RGB 和 LUV 通道下的 HOG 特征，细胞结构的局部二值模式（Local Binary Patterns，LBP）特征。在检测阶段，每个模板独立并行检测测试图像