靜態(tài)圖像的行人分割及其應(yīng)用.pdf

1、行人分割在視頻監(jiān)控中有重要的應(yīng)用價(jià)值，也是近年來(lái)研究的熱點(diǎn)之一。靜態(tài)圖像的行人分割有著廣泛的應(yīng)用前景，如圖像的壓縮、圖像的編輯、圖像的檢索、行人姿態(tài)識(shí)別以及犯罪取證等。在監(jiān)控場(chǎng)景中，衣物常被用作身份識(shí)別的隱含線索，可以根據(jù)衣物在視頻中尋找某個(gè)事件的行人目標(biāo)。所以衣服顏色識(shí)別有著廣泛的應(yīng)用，可以應(yīng)用到智能服裝搭配和服裝推介、預(yù)測(cè)服裝流行趨勢(shì)，以及行人識(shí)別，視頻監(jiān)控，或者基于內(nèi)容的圖像檢索等各方面工作。本文在深入總結(jié)和分析已有的相關(guān)領(lǐng)域算法

2、的基礎(chǔ)上，重點(diǎn)研究了靜態(tài)圖像中的行人分割以及行人衣服顏色的識(shí)別工作。
　　本文的主要內(nèi)容如下:
　　(1)對(duì)目前已有的行人分割方法和行人衣服顏色識(shí)別的相關(guān)方法進(jìn)行了綜述，詳細(xì)介紹了該方向的研究背景、意義以及國(guó)內(nèi)外的研究現(xiàn)狀。
　　(2)介紹了Graph Cut算法，水平集(Level Set)算法等一些傳統(tǒng)的圖像分割方法和KNN、SVM等經(jīng)典的特征分類方法，并對(duì)這些算法進(jìn)行了分析，結(jié)合這些算法的優(yōu)缺點(diǎn)，提出了更加優(yōu)秀的

3、方法。
　　(3)針對(duì)Graph Cut圖像分割不能得到符合語(yǔ)義要求的結(jié)果這樣一個(gè)缺點(diǎn)，提出了兩點(diǎn)改進(jìn)。首先，提出了一種結(jié)合形狀和底層特征的Graph Cut算法，用大量真實(shí)的行人輪廓模板對(duì)行人的輪廓進(jìn)行約束。其中行人模板采用層次樹結(jié)構(gòu)，大大減少了匹配行人模板所需要的時(shí)間。其次，提出一種新的區(qū)分性外觀模型來(lái)替換傳統(tǒng)Graph Cut算法中的顏色模型。實(shí)驗(yàn)結(jié)果表明，與傳統(tǒng)的GraphCut算法相比，本文算法能夠增加背景與前景目標(biāo)相似

4、性比較大時(shí)行人分割識(shí)別的精確度。
　　(4)在行人分割的基礎(chǔ)上，對(duì)行人衣服顏色識(shí)別展開了進(jìn)一步研究，采用高斯模型和彩色圖像的顏色直方圖兩種方法提取行人衣服的顏色特征，然后用最小錯(cuò)誤率貝葉斯決策，K近鄰算法（KNN）和支持向量機(jī)(SVM)三種方法對(duì)衣服顏色的特征進(jìn)行分類，從而識(shí)別行人衣服的顏色。最后給出了行人衣服顏色識(shí)別結(jié)果，并對(duì)實(shí)驗(yàn)結(jié)果進(jìn)行比較和分析。實(shí)驗(yàn)結(jié)果表明，本文的方法能夠較為準(zhǔn)確地對(duì)行人衣服顏色進(jìn)行識(shí)別，可以滿足應(yīng)用需求。