基于DPM的行人檢測和行人特征提取算法研究.pdf

1、行人檢測是計算機視覺領(lǐng)域的研究重點之一，在實際生活中的各領(lǐng)域也得到了廣泛的應(yīng)用。本文主要針對行人檢測和行人相關(guān)特征提取算法進行研究。
　　DPM模型是行人檢測領(lǐng)域使用較多的一種方法。本文首先對DPM模型進行分析，針對其特征方面和模型構(gòu)造方面進行了改進。針對其使用的單一特征在特征?述上的缺陷，?出了一種多特征融合的方法。選取與HOG特征性能互補的紋理特征和顏色特征進行融合。采用旋轉(zhuǎn)不變的等價模式LBP作為紋理特征。顏色特征方面，?出

2、了一種新的顏色自相似特征，使用CN顏色名稱特征代替了CSS顏色自相似特征中的 HSV直方圖，并簡化了相似性計算方法。針對目標遮擋問題，對DPM模型的組成結(jié)構(gòu)進行了改進，?出了一種簡單加權(quán)部件模型的方式。在DPM訓練階段之后，對各部件濾波器的權(quán)重進行測試和計算。然后使用加權(quán)后的部件模型進行檢測，能夠檢測出存在一定遮擋的行人。
　　行人相關(guān)特征?取能夠幫助有效的識別行人信息。本文針對行人衣服顏色和紋理進行了行人相關(guān)特征?取。首先對檢測

3、到的行人圖像進行圖像增強，然后使用grabcut算法和梯度閾值判斷構(gòu)造行人上下半身分割模型，然后分別對上下半身?取顏色和紋理特征進行識別。采用 CN顏色名稱作為顏色特征，采用改進的完整LBP特征和旋轉(zhuǎn)不變HOG特征相結(jié)合的作為紋理特征，然后使用SAE分類器進行分類。
　　針對grabcut行人分割的缺陷，采用基于DPM的部件位置估計和超像素區(qū)域標簽的方法，改變了DPM模型中的部件模型構(gòu)造，加入了共現(xiàn)模型。使用 gPb-OWT-UC