基于特征学习的人体检测-计算机应用技术专业论文.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 人体检测是目标检测中非常重要的分支，其在智能视频监控、智能驾驶辅助 系统、智能人机交互等方面有着巨大的研究价值和应用前景，已经成为计算机视 觉领域非常热门的研究方向。由于人体在姿态、外观的多样性以及背景、光照、 遮挡等的干扰，人体检测仍然是一项非常具有挑战性的难题。当前主流研究方向 是将人体检测转化为模式识别中的二类分类问题，包含训练和检测两部分，通过 提取训练样本中能够有效表征人体的特征，利用统计学习的方法，建立人体分类 器，进而利用此分类器实现人体检测。本文的人体检测就是基于此框架下实现。 本文分析了人体检测的难点及研究现状，详细介绍了目前人体检测领域广泛 使用的人体特征集：Harr-like 特征、梯度方向直方图（Histograms of Oriented Gradients，HOG）特征和局部二值模式（Local Binary Pattern,LBP）特征，包括他 们的提取方式、改进算法、发展趋势等，并基于三种不同的分块方式比较了 HOG 特征和 LBP 特征在人体检测方面的特点、各自优势和不足。在此基础上，本文将 HOG 特征和 LBP 特征组合，提出了基于图像分块的 HOG-LBP 特征，结合支持向 量机比较了基于此组合特征和基于单一特征的人体分类器性能上的差异，验证了 组合特征的优势。进一步我们讨论了不同的分块方式对人体检测器性能的影响， 得到最合适的分块方式，进而获得最优的分类器。 最后，我们利用得到的最优分类器实现人体检测。检测过程中，我们采用了 基于多尺度“金字塔”的滑窗检测方法，并对检测过程中同一个人体出现多个检测结 果的情况进行融合，实现了最终人体检测结果。 实验结果表明，我们的 HOG-LBP 组合特征能够更好的适应人体外观姿态的变 化和复杂环境，实现更好的检测效果。 关键词：人体检测，HOG 特征，LBP 特征，支持向量机 I ABSTRACT ABSTRACT Pedestrian detection is a very important branch of object detection. It has been widely used in smart surveillance, driver assistant systems, human-computer interaction and so on. Due to such tremendous research value and application prospect, pedestrian detection has become a popular research area in the field of computer vision. However, it’s still a challenging task for the diversification of posture and appearance, the interference of background, lighting condition and occlusions.The prevalent approach is transforming the human detection problem into a binary classification problem which including the procedure of training and detecting. The first step in training process is extracting the effective feature, and then using the statistical learning method to establish