基于梯度方向直方图的人体检测算法的改进-模式识别与智能系统专业论文.docx

独创性声明 本人声明所呈交的学位论文是本人在导师指导下进行的研究工作 及取得的研究成果。据我所知，除了文中特别加以标注和致谢的地方 外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为 获得电子科技大学或其它教育机构的学位或证书而使用过的材料。与 我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的 说明并表示谢意。 作者签名： 日期： 年 月 日 论文使用授权 本学位论文作者完全了解电子科技大学有关保留、使用学位论文 的规定，有权保留并向国家有关部门或机构送交论文的复印件和磁盘， 允许论文被查阅和借阅。本人授权电子科技大学可以将学位论文的全 部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描 等复制手段保存、汇编学位论文。 （保密的学位论文在解密后应遵守此规定） 作者签名： 导师签名： 日期： 年 月 日 摘要 摘要 I I 摘 要 人体检测是研究如何让机器以人的思维方式去检测图像或视频中人体所在区 域的技术。人体检测技术作为人体目标识别和跟踪的前奏和瓶颈，在视频监控、 视频标识、驾驶辅助系统、辅助救灾、辅助医疗、机器人、运动员动作分析等领 域都有着广阔的应用前景。但是，由于人体本身的特殊性和复杂性及所处环境的 多变性，如何快速、准确地检测出人体对研究人员来说是个不小的挑战。从近年 来的研究及 Pascal VOC Challenge 的结果可以看出，在人体检测领域，基于梯度方 向直方图(HOG)的人体检测算法具有更好的检测效果，为此它也成为当前人体检 测技术研究的焦点，但该算法同时也存在以下几方面的不足：1)易受光照、天气 等环境因素的影响；2)处理速度慢，不能满足实时性要求；3)无法解决人与人之 间的遮挡。本文对基于梯度方向直方图的人体检测算法进行深入研究，并针对该 算法的前面两个不足之处提出以下的改进： .针对原算法特征维数过高，计算速度慢的缺点，提出基于 PCA 的人体检测 算法和基于 PCA+ICA 的人体检测算法，两种算法都使用主成分分析降低特征维 数，使用 SVM 对样本进行分类。为了尽可能保证降维后边缘信息的完整，基于 PCA 的人体检测算法在使用 PCA 降维前，对生成的 HOG 特征使用 DoG 滤波器进 行滤波处理，最后将运用 SFS 算法选择的 HOG+PCA 特征送入 SVM 分类器。基 于 PCA+ICA 的人体检测算法直接使用 PCA 降维，对降维后的特征使用 ICA 进行 特征提取，将提取后的特征作为 SVM 分类器的输入。 .针对原算法易受光照等天气因素的影响，提出基于改进 HOG 特征的人体检 测算法。该算法在提取 HOG 特征前，首先将样本图像根据其灰度均值和标准差进 行分类，分为强光型、弱光型、正常型三种。为了减少光照等因素对算法准确性 的影响，对分类为强光型和弱光型图像提出了不同的光照补偿方法，对补偿后的 图像再提取 HOG 特征。在提取 HOG 特征时，为了突显边缘特征，使用一阶中心 对称模板和一阶非对称模板相结合的方式来计算梯度，为了得到更详细的人体特 征信息，对统计梯度直方图使用的块和单元格使用新方法进行了更细致的划分， 最后将生成的 HOG 特征经 PCA-LDA 处理后送入 SVM 分类器。 为了验证本文所提出算法的有效性，使用 INRIA 人体数据库对本文的算法进 行测试，实验平台为 Matlab2012a。 关键词：人体检测，支持向量机，主成分分析，独立成分分析，光照补偿 AB ABSTRACT II II ABSTRACT Human detection is a technique that allows the machine to study where people exist in images or videos by the way of people thinking. As an important part of the human target recognition and tracking, it has broad application prospects in video surveillance, video identification, driver assistance systems, athlete motion analysis and other fields. But how quickly and accurately detect the human body to the researchers is not a small challenge, due to the variability of the bodys own particularity and the environm