基于Codebook背景建模的人员检测算法研究

发布时间：2017-10-17 01:25

  本文关键词：基于Codebook背景建模的人员检测算法研究

  更多相关文章： 行人检测 Codebook背景建模 SVM 直方图交叉核

【摘要】：行人检测的研究对保障行人的人身安全至关重要,当前大多数的行人检测研究是在特定数据集上进行的,而对变电站这一类特定场景下的行人检测,应根据场景的特点设计行人检测算法,来充分发挥算法的性能。本文分析了变电站这类场景的特点,并根据场景固定且场景中行人较少的特点,选用Codebook背景建模算法粗略检测得到前景后,再使用行人检测算法精细的检测前景中的行人,最终完成这类场景下的行人检测任务。在整个算法流程中,主要做了以下几方面的工作:首先,研究了Codebook背景建模算法中的背景更新环节,提出使用临时块模型来更新背景模型,解决Codebook背景建模算法对光照敏感的问题,同时将行人检测的结果也引入到背景更新过程中,使临时块模型不至于将具有背景特性的行人更新到背景模型中。其次,从分类器和搜索策略两方面来提高行人检测的性能。相比使用线性核的SVM训练行人分类器,采用直方图交叉核使得SVM拥有更强大的分类能力的同时又不带来显著的计算消耗;分析发现滑动窗口遍历全图来搜索行人是传统行人检测方式的计算瓶颈,采取由粗到精的方式,先使用Codebook背景建模算法快速提取前景区域,再使用训练好的行人分类器滑动窗口检测前景区域中的行人,以此来实现实时行人检测。最后,模拟变电站下的场景与环境干扰,对设计的算法进行测试。实验表明,改进后的算法能应对环境变化的影响,并提高了行人检测的性能,在测试视频上算法的平均检测时间为29ms左右,达到实时检测的要求,并实现变电站场景下的人员入侵检测。
【关键词】：行人检测 Codebook背景建模 SVM 直方图交叉核
【学位授予单位】：电子科技大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP391.41;TM63
【目录】：

• 摘要5-6
• ABSTRACT6-11
• 第一章 绪论11-16
• 1.1 课题背景及研究意义11-12
• 1.2 国内外研究现状12-14
• 1.3 课题的研究内容14
• 1.4 本论文的结构安排14-16
• 第二章 行人检测基础知识16-31
• 2.1 图像处理基本知识16-20
• 2.1.1 颜色空间16-18
• 2.1.2 形态学处理18-20
• 2.2 视频目标检测20-25
• 2.2.1 运动目标检测算法20-25
• 2.3 视频目标识别25-30
• 2.3.1 HOG特征描述子25-28
• 2.3.2 SVM分类器理论28-30
• 2.4 本章小结30-31
• 第三章 自适应Codebook背景建模算法31-48
• 3.1 变电站行人检测31-33
• 3.1.1 变电站场景分析31
• 3.1.2 行人检测算法选取31-33
• 3.2 Codebook背景模型初始化33-35
• 3.2.1 Codebook背景模型介绍33-34
• 3.2.2 颜色空间选取34-35
• 3.3 冗余码字滤除35-39
• 3.3.1 冗余码字的产生35-37
• 3.3.2 冗余码字的影响37
• 3.3.3 冗余码字的滤除方法37-39
• 3.3.4 检测效果对比39
• 3.4 背景模型更新39-47
• 3.4.1 主要解决问题40-41
• 3.4.2 更新方法遵循准则41-42
• 3.4.3 背景模型更新方法42-47
• 3.5 本章小结47-48
• 第四章 Codebook背景模型下的行人检测48-64
• 4.1 样本的选取48-50
• 4.2 特征的计算50-55
• 4.2.1 样本的预处理50-53
• 4.2.2 构造行人检测器53-54
• 4.2.3 获取特征54-55
• 4.3 行人检测55-59
• 4.3.1 训练行人分类器56-58
• 4.3.2 构造行人检测器58-59
• 4.4 算法的融合59-63
• 4.4.1 融合行人检测后的背景更新59-61
• 4.4.2 Codebook模型下行人检测61-63
• 4.5 本章小结63-64
• 第五章 基于Codebook背景建模的行人检测算法验证64-72
• 5.1 测试平台介绍64-65
• 5.1.1 硬件平台64
• 5.1.2 软件平台64-65
• 5.2 Codebook背景模型检测效果测试65-68
• 5.2.1 局部光照突变下的适应能力验证65-67
• 5.2.2 对伪前景选择吸收能力验证67-68
• 5.3 行人检测效果与性能分析68-70
• 5.3.1 行人检测效果68-69
• 5.3.2 行人检测性能分析69-70
• 5.4 变电站场景下的行人检测系统应用70-71
• 5.4.1 行人检测系统框架70-71
• 5.4.2 变电站入侵检测系统71
• 5.5 本章小结71-72
• 第六章 总结与展望72-74
• 6.1 全文工作总结72-73
• 6.2 工作展望73-74
• 致谢74-75
• 参考文献75-78
• 攻读硕士期间研究成果78-79

【参考文献】

中国期刊全文数据库 前8条

1 向涛;李涛;李旭冬;李冬梅;;基于随机森林的层次行人检测算法[J];计算机应用研究;2015年07期

2 苑洋;黄迪;王蕴红;;面向不同距离的实时人体检测与跟踪系统[J];模式识别与人工智能;2014年10期

3 刘剑;刘亚楠;高恩阳;龚志恒;;基于前景分割的行人检测方法[J];小型微型计算机系统;2014年03期

4 曾波波;王贵锦;林行刚;;基于颜色自相似度特征的实时行人检测[J];清华大学学报(自然科学版);2012年04期

5 苏松志;李绍滋;陈淑媛;蔡国榕;吴云东;;行人检测技术综述[J];电子学报;2012年04期

6 霍东海;杨丹;张小洪;洪明坚;;一种基于主成分分析的Codebook背景建模算法[J];自动化学报;2012年04期

7 种衍文;匡湖林;李清泉;;一种基于多特征和机器学习的分级行人检测方法[J];自动化学报;2012年03期

8 杨涛;李静;潘泉;张艳宁;;基于场景模型与统计学习的鲁棒行人检测算法[J];自动化学报;2010年04期

，

本文编号：1046029