基于CBING和ChnFtrs的快速行人检测方法

发布时间：2019-12-04 21:14

【摘要】：计算机视觉中,无论是对图片分类,还是目标的识别和跟踪,传统的方法都需要根据特征训练特定的分类器对输入图像进行滑动窗口扫描。这会产生大量的建议窗口,并通过分类器对窗口进行评估,才能达到检测识别的目的。降低分类器评估建议窗口的数量,对提升目标检测和识别的速度是尤为重要的。针对这一问题,本文对显著性检测领域中似物性方法和传统行人识别进行了深入的研究,提出了一种基于CBING和Chn Ftrs的快速行人检测方法。本文主要贡献有如下3个方面:1.提出了一种改进的对象建议生成方法CBING,可以高效的给出可能包含物体的建议窗口,减少下一阶段精确行人检测的检测区域。在CBING方法中,结合BING算法的思想,找到了更能区分物体与非物体的Candy边缘特征。为了结合原方法的NG特征,提出级联二级SVM的训练方式,有效结合了两种特征的优点,实现了性能的改进。在正负样本提取阶段,优化了一种负样本提取算法,能有效的提升了正负样本的差异,降低负样本特征的冗余,同时着重补充行人正样本库,对行人类别样本进行多尺度采样,使CBING算法作为后续行人检测的预处理阶段对行人有更好的识别性。2.改进了Chn Ftrs算法。通过研究发现Haar-like能很好的体现行人身体接合部位的特征,并把Haar-like特征融合到Chn Ftrs的积分通道中。通过实验证实了该改进可以有效提高行人检测算法的鲁棒性。3.基于CBING和改进Chn Ftrs,提出了完整的行人检测方法流程。把CBING方法作为行人识别的预处理阶段,将其产生的对象建议窗口作为可能出现行人的区域交给改进的Chn Ftrs+Adaboost进行精确的识别,并在INRIA数据库和自建的道路行人数据库下进行试验。实验结果证明,CBING方法提出的建议窗口,无论是在DR(探测率)和MABO(探测精度)上相对于BING方法和其它主流似物性检测方法都有显著提高。基于CBING和改进Chn Ftrs结合的快速行人检测方法,在保证Chn Ftrs行人识别性能的同时,极大的提高了行人检测的速度。
【学位授予单位】：吉林大学
【学位级别】：硕士
【学位授予年份】：2017
【分类号】：TP391.41

【相似文献】