基于稀疏表示方法的行人檢測研究.pdf

1、隨著智能汽車、智能監(jiān)控和多媒體技術(shù)的不斷發(fā)展，行人檢測研究受到越來越多的關(guān)注。行人檢測也就是利用智能化手段，從圖像或視頻中自動的識別出行人，通過計(jì)算機(jī)視覺、數(shù)字圖像處理等相關(guān)技術(shù)，能夠在計(jì)算機(jī)上實(shí)現(xiàn)行人檢測。但是現(xiàn)在行人檢測技術(shù)仍不夠完善，同時(shí)也存在著許多不利檢測的難點(diǎn)，例如復(fù)雜的背景，角度的不同，光照的變化，非剛體輪廓變形等問題。這些難點(diǎn)使行人檢測在實(shí)際應(yīng)用中不能達(dá)到很好的效果。本文在綜合分析國內(nèi)外已有的行人檢測方法基礎(chǔ)上，利用行人特

2、性，提取相應(yīng)的融合特征，并用基于行人結(jié)構(gòu)的稀疏表示對融合特征進(jìn)行稀疏學(xué)習(xí)，從而提高行人的檢測率。具體包括如下內(nèi)容:
　　 (1)提出一種基于融合特征的行人檢測方法。該方法在統(tǒng)計(jì)學(xué)習(xí)的基礎(chǔ)上，充分考慮到人體部位所有具有的特殊性，來進(jìn)行行人圖像的梯度方向直方圖(HistogramsofOrientedGradient，簡稱HOG)、顏色和紋理融合特征的提取，其中顏色、紋理特征分別采用顏色頻率特征和Tamura提出的紋理特征的粗糙度、

3、方向度和對比度三種屬性。在提取融合特征時(shí)，將行人圖像按塊均分，分別提取相應(yīng)的三種特征，然后進(jìn)行歸一化處理，并將其串聯(lián)成塊內(nèi)融合特征向量，接著將所有塊融合特征向量串聯(lián)組合成整幅圖像的融合特征向量，最后訓(xùn)練支持向量機(jī)(SupportVectorMachine，SVM)分類器，進(jìn)行行人識別。該方法充分考慮到了行人的形狀、顏色和紋理信息，能夠更加準(zhǔn)確的檢測出行人。
　　 (2)提出一種基于行人結(jié)構(gòu)的稀疏表示算法。該方法通過分析由平滑凸損

4、失和懲罰函數(shù)兩部分組成的稀疏表示優(yōu)化問題，通過改變懲罰函數(shù)的構(gòu)成來將圖像的結(jié)構(gòu)信息加入到稀疏表示中，然后根據(jù)行人圖像的內(nèi)部結(jié)構(gòu)特性，在GroupLasso的基礎(chǔ)上，將行人人體根據(jù)整體和局部的特征按組劃分，并將這些劃分的組構(gòu)成一個4層多叉樹，該多叉樹同一層次的節(jié)點(diǎn)之間是互不重復(fù)的，而其中非根節(jié)點(diǎn)屬于它的父節(jié)點(diǎn)，將這種多叉樹結(jié)構(gòu)通過稀疏表示的懲罰項(xiàng)加入到稀疏表示中，構(gòu)造出基于行人結(jié)構(gòu)的稀疏表示，從而使該稀疏表示更加有利于行人的檢測。

5、　　 (3)提出一種基于行人結(jié)構(gòu)稀疏表示的行人檢測方法。該方法充分考慮到稀疏表示有利于分類的特性，并結(jié)合行人圖像的內(nèi)部結(jié)構(gòu)，利用基于行人結(jié)構(gòu)的稀疏表示對行人的融合特征向量進(jìn)行結(jié)構(gòu)稀疏學(xué)習(xí)。在稀疏表示過程中，字典是由訓(xùn)練集的融合特征按照一定的排列順序構(gòu)造成的。在用稀疏化的融合特征向量訓(xùn)練SVM分類器時(shí)，需要訓(xùn)練兩次SVM分類器，即初始SVM分類器和最終SVM分類器，其中在訓(xùn)練最終SVM分類器時(shí)，字典是用加入困難負(fù)樣本后的新訓(xùn)練集構(gòu)造成的