论文部分内容阅读
行人检测是模式识别、计算机视觉、人工智能等领域中研究的热点问题。复杂的检测环境及行人较大的非刚体特性,给行人检测带来了很大的挑战。基于此,本文提出了基于背景建模和可变形部件模型(Deformable Part Model,DPM)的行人检测框架,并编程实现了该行人检测系统。可变形部件模型是近些年受到关注较多的行人检测算法之一,并取得了较好的行人检测效果,但其图像特征提取的复杂度较高,存在计算量较大的缺点,在背景较复杂时也会出现一定的误检和漏检情况。针对行人在视频中往往具有运动的属性,本文提出了运动目标提取和行人检测相结合的算法框架,提高了行人检测系统的实时性和准确率。本文的主要工作内容及成果如下:1)前景运动目标提取。在分析了帧间差分法、光流法、背景差分法、Vibe背景建模等方法优缺点的基础上,使用高斯混合模型(Gaussian Mixture Model,GMM)对背景进行建模,在抑制大部分干扰的前提下,有效地提取前景运动目标。同时,通过色调判断去除目标阴影,通过对全局灰度的变化抑制光照突变的影响。2)可变形部件模型设计。在对行人姿态多样性和目标互相遮挡分析的基础上,本文设计实现了基于改进的方向梯度直方图(Histogram of Oriented Gradient,HOG)特征和扩展的支持向量机(Support Vector Machines,SVM)的可变形部件模型行人检测算法,并给出了模型的训练过程。3)快速的行人检测系统设计。针对可变形部件模型算法复杂度高、计算量大、实时性较差的缺点,首先对视频帧进行运动目标提取,只针对前景运动区域进行行人检测,有效提高了系统的实时性;同时进一步抑制了复杂背景对检测造成的干扰,提高检测的准确率,降低系统的误检率。4)基于网络摄像机的行人检测系统设计实现。设计实现了基于C++的快速行人检测系统,运用此系统在实际场景中进行测试,并对测试结果进行分析。