基于加權可變形部件模型的行人檢測算法.pdf

1、行人檢測近幾年已成為模式識別發(fā)展的一個重要領域。首先，行人檢測的應用領域十分廣泛，在人機交互、智能監(jiān)控攝像頭及移動智能設備上面都有著重要的應用。其次，行人檢測也是當前物體檢測領域的一個難點所在。由于行人和剛性物體不同，在不同角度和不同姿態(tài)下變化非常大，并且自然場景中行人的位置具有任意性，與物體發(fā)生遮擋具有隨機性。這些都嚴重影響了行人檢測的實際效果，進而制約著智能移動設備和智能攝像頭的用戶體驗。
　　可變形部件模型（Deformab

2、le Part Model,DPM）是近年來比較流行的行人檢測算法之一，該模型是在梯度方向直方圖特征（Histograms of Oriented Gradients,HOG）和支撐向量機分類器（Support Vector Machine,SVM）的基礎上進行了擴展，劃分出根分類器和部件分類器，其中根分類器的位置可以判定滑動窗口中的物體的大體輪廓，而部件分類器的作用是通過進一步的細節(jié)特征判斷窗口是否為行人部件，這樣由粗糙到精細的檢測策

3、略達到了良好的檢測效果。本文在可變形部件模型的基礎上，充分考慮到不同部件分類器的投票權重的關系，提出了一種加權的可變形部件模型的方法。同時，本文還提出了一種通過根分類器和滑動窗口卷積和分割來判斷遮擋位置的策略，然后調(diào)整遮擋部分和非遮擋部分的部件分類器的權重，這種策略能一定程度上提高檢測的準確率。
　　本文的主要貢獻如下：(1)充分分析了DPM模型的根分類器和部件分類器之間的關系，提出了基于權重可變的部件分類器模型；(2)充分分析了