基于视频的人体检测方法研究.doc

人体检测多年来一直是人工智能和模式识别的研究热点，并已经有多项成果应用于智能视频监控、车辆辅助驾驶系统等领域。近年来，随着特征提取和机器学习技术的逐步成熟，基于统计学习的方法成为人体检测的主流研究方向。 论文首先介绍了人体检测相关的特征提取和机器学习技术，针对单目视觉中面临的人体深度信息丢失，视频分辨率低、人体姿态的类内散度大等问题，做了深入思考和研究，对现有的一些人体检测方法提出了若干改进方法，主要工作有（1）给出了一种多特征融合的特征描述算子，提出了利用MMSD方法进行特征降维的改进方法。针对单一特征描述能力有限，难以满足人体检测高检测率、低误检率的缺陷，本文融合了人体颜色自相似性和梯度直方图的特征，从色彩和纹理两个方面描述人体，并且针对融合特征维数增大的问题，采用MMSD进行特征降维，降低了训练的计算复杂度，提高了训练速度，训练出的强分类器包含的弱分类器个数更少，提高了检测速度。（2）给出了一种基于多部位的人体检测算法并提出了改进算法。针对基于整体的人体检测算法对于人体姿态变化、部分遮挡鲁棒性较差的问题，采取基于部位检测的方法，利用结合adaboost和级联方法的多示例学习算法对形成的部位多示例样本训练，构建级联分类器，通过级联分类器对样本集的检测建立各部位检测器的联系从而将训练样本映射到低维向量，利用支持向量机对这些向量进行学习，形成人体的最终分类器。（3）设计并实现一个基于视频的人体检测系统。 通过在一些公开的测试视频实验的结果表明，本文提出的改进算法对人体的检测率和误检率都有所改善。设计和实现的系统实现了复杂背景下多姿态、部分遮挡的视频人体检测，具有重要的实用价值。