基于HOG特征的行人檢測系統(tǒng)的研究.pdf

1、行人檢測是計算機(jī)視覺中一個重要的研究領(lǐng)域，對當(dāng)今人們生活質(zhì)量的提高有著重要的意義，如樓宇智能監(jiān)控系統(tǒng)、汽車輔助駕駛系統(tǒng)以及高級的人機(jī)接口等領(lǐng)域都扮演著重要的角色。由于檢測環(huán)境中背景的多樣性、天氣光照的變化、行人運動姿態(tài)的不確定性以及衣著的多樣性等因素的影響，使得行人檢測不同于其他的目標(biāo)檢測。除此之外還要考慮實時性的要求。
　　本研究主要針對視頻序列中的行人進(jìn)行檢測，結(jié)合行人的運動信息實現(xiàn)在攝像頭固定情況下對行人的檢測與識別，并針對

2、檢測出的行人進(jìn)行跟蹤，主要工作如下：
　　1、采用背景差分的方法檢測出運動目標(biāo)，Vibe算法是基于背景差分的思想提出的能快速建立背景的運動目標(biāo)檢測算法。針對 Vibes算法容易出現(xiàn)殘影的不足，文中將Vibe算法與OTSU算法相融合，達(dá)到了快速消除殘影目的。并針對運動目標(biāo)肯能出現(xiàn)的陰影進(jìn)行去除，實現(xiàn)行人可能區(qū)域的快速定位。
　　2、對于檢測出的運動目標(biāo)區(qū)域提取其HOG特征作為特征描述符。針對HOG特征維度較高而導(dǎo)致檢測速度較慢

3、的不足，運用PCA算法進(jìn)行特征降維，最終得到HOG-PCA特征。運用SVM分類器進(jìn)行分類訓(xùn)練。經(jīng)過實驗驗證，經(jīng)過PCA降維后的HOG特征能夠在不降低識別率的前提下達(dá)到提高檢測速度的目的。
　　3、為了提高視頻行人檢測的實時性，系統(tǒng)加入了行人目標(biāo)跟蹤模塊，將 CamShift算法與 Kalman濾波器相結(jié)合，對行人發(fā)生短暫遮擋的情況進(jìn)行預(yù)測定位，實現(xiàn)了對行人的實時穩(wěn)定的跟蹤。
　　最后將所有模塊相融合形成視頻序列行人檢測與跟蹤