基于特征融合与聚合SVM的行人检测方法研究
发布时间：2021-05-11 13:37
行人检测作为计算机视觉领域的重要分支,已经广泛应用于智能交通控制系统、高级驾驶辅助系统、姿态估计等领域,同时,行人检测面临着行人外观多变、背景环境复杂等诸多难题,行人检测现今成为一个极具研究价值且具有挑战性的热点。本文在研究基于统计学习的行人检测方法基础上,着重分析基于HOG特征与SVM分类器的行人检测方法,并在此基础上,针对单一特征和分类器分类过拟合造成准确率不高的问题,提出一种基于特征融合与聚合SVM分类器的行人检测方法。本文的主要研究工作如下:1.基于SVM分类器的行人检测采用欠采样方法,存在正负行人比例不平衡,造成准确率不高,对此提出一种改进的聚合支持向量机（Ensemble SVM）分类器行人检测方法。该方法结合欠采样SVM分类器的两次训练机制和EasyEnsemble的分治策略:首先,随机选择负样本作为初始训练样本,并将其划分为与正样本集均衡的多个子负样本集,构建平衡子训练集,线性组合成EasyEnsemble SVM分类器;然后利用该分类器对负样本进行分类判断,将误判样本作为难例样本,重新划分构建新的平衡子训练集,训练子分类器,结合EasyEnsemble SVM分类器,...
【文章来源】：重庆邮电大学重庆市
【文章页数】：58 页
【学位级别】：硕士
【文章目录】：
摘要
abstract
第1章 绪论
1.1 研究背景及意义
1.2 行人检测研究现状及难点
1.2.1 国内外研究现状
1.2.2 研究难点
1.3 本文研究内容和组织结构
1.3.1 主要研究内容
1.3.2 论文组织结构
第2章 行人检测的相关技术介绍
2.1 行人检测的基本框架
2.2 行人检测的常用方法
2.2.1 行人检测方法分类
2.2.2 基于运动检测的行人检测方法
2.2.3 基于静态图像的行人检测方法
2.3 基于统计学习的行人检测关键技术
2.3.1 HOG特征
2.3.2 SVM分类器
2.4 行人检测数据集和评价指标
2.4.1 行人检测数据集
2.4.2 评价指标
2.5 本章小结
第3章 基于聚合SVM行人检测方法的改进
3.1 SVM对不平衡数据问题的解决策略
3.2 基于欠采样SVM的行人检测算法
3.2.1 欠采样方法
3.2.2 欠采样SVM的行人检测方法
3.3 改进算法的原理及流程
3.3.1 EasyEnsemble SVM分类器
3.3.2 Ensemble SVM分类器
3.3.3 改进算法的流程
3.4 实验与结果分析
3.4.1 实验数据集
3.4.2 分类器核函数的选择及数据准备
3.4.3 改进算法的实验结果及对比分析
3.5 本章小结
第4章 基于特征融合的行人检测方法的改进
4.1 HOG特征与Gabor特征的融合
4.1.1 Gabor纹理特征
4.1.2 融合策略
4.2 遮挡数据集的处理
4.2.1 随机噪声的遮挡数据集
4.2.2 实际物体的遮挡数据集
4.3 改进算法的流程
4.4 实验与结果分析
4.4.1 基于随机噪声数据集的实验结果
4.4.2 基于实际遮挡数据集的实验结果
4.4.3 改进算法的实验结果及对比分析
4.5 本章小结
第5章 总结与展望
5.1 主要工作与创新点
5.2 后续研究工作展望
参考文献
致谢
攻读硕士学位期间从事的科研工作及取得的成果
【参考文献】：
期刊论文
[1]基于特征融合的行人检测技术[J]. 徐琳,张明. 计算机系统应用. 2015(10)
[2]多部件验证的双层行人检测算法[J]. 谭飞刚,刘伟铭. 华南理工大学学报(自然科学版). 2015(01)
[3]基于流形学习的异常检测算法研究[J]. 刘凯伟,张冬梅. 计算机工程与应用. 2013(13)
[4]行人检测技术综述[J]. 苏松志,李绍滋,陈淑媛,蔡国榕,吴云东. 电子学报. 2012(04)
[5]行人检测系统研究新进展及关键技术展望[J]. 许言午,曹先彬,乔红. 电子学报. 2008(05)
[6]基于视觉的人的运动识别综述[J]. 杜友田,陈峰,徐文立,李永彬. 电子学报. 2007(01)
[7]车辆辅助驾驶系统中基于计算机视觉的行人检测研究综述[J]. 贾慧星,章毓晋. 自动化学报. 2007(01)
博士论文
[1]纹理图像特征提取与分类研究[D]. 许文韬.华东师范大学 2017
[2]基于浅层学习引导深度学习的行人检测[D]. 刘弋锋.武汉大学 2016
[3]不均衡数据分类方法的研究[D]. 曹鹏.东北大学 2014
硕士论文
[1]基于Gabor小波和SVM的人脸识别算法研究[D]. 叶超.中北大学 2014
[2]基于视觉的特征提取及行人检测[D]. 王磊.武汉理工大学 2013
本文编号：3181498
【文章来源】：重庆邮电大学重庆市
【文章页数】：58 页
【学位级别】：硕士
【文章目录】：
摘要
abstract
第1章 绪论
1.1 研究背景及意义
1.2 行人检测研究现状及难点
1.2.1 国内外研究现状
1.2.2 研究难点
1.3 本文研究内容和组织结构
1.3.1 主要研究内容
1.3.2 论文组织结构
第2章 行人检测的相关技术介绍
2.1 行人检测的基本框架
2.2 行人检测的常用方法
2.2.1 行人检测方法分类
2.2.2 基于运动检测的行人检测方法
2.2.3 基于静态图像的行人检测方法
2.3 基于统计学习的行人检测关键技术
2.3.1 HOG特征
2.3.2 SVM分类器
2.4 行人检测数据集和评价指标
2.4.1 行人检测数据集
2.4.2 评价指标
2.5 本章小结
第3章 基于聚合SVM行人检测方法的改进
3.1 SVM对不平衡数据问题的解决策略
3.2 基于欠采样SVM的行人检测算法
3.2.1 欠采样方法
3.2.2 欠采样SVM的行人检测方法
3.3 改进算法的原理及流程
3.3.1 EasyEnsemble SVM分类器
3.3.2 Ensemble SVM分类器
3.3.3 改进算法的流程
3.4 实验与结果分析
3.4.1 实验数据集
3.4.2 分类器核函数的选择及数据准备
3.4.3 改进算法的实验结果及对比分析
3.5 本章小结
第4章 基于特征融合的行人检测方法的改进
4.1 HOG特征与Gabor特征的融合
4.1.1 Gabor纹理特征
4.1.2 融合策略
4.2 遮挡数据集的处理
4.2.1 随机噪声的遮挡数据集
4.2.2 实际物体的遮挡数据集
4.3 改进算法的流程
4.4 实验与结果分析
4.4.1 基于随机噪声数据集的实验结果
4.4.2 基于实际遮挡数据集的实验结果
4.4.3 改进算法的实验结果及对比分析
4.5 本章小结
第5章 总结与展望
5.1 主要工作与创新点
5.2 后续研究工作展望
参考文献
致谢
攻读硕士学位期间从事的科研工作及取得的成果
【参考文献】：
期刊论文
[1]基于特征融合的行人检测技术[J]. 徐琳,张明. 计算机系统应用. 2015(10)
[2]多部件验证的双层行人检测算法[J]. 谭飞刚,刘伟铭. 华南理工大学学报(自然科学版). 2015(01)
[3]基于流形学习的异常检测算法研究[J]. 刘凯伟,张冬梅. 计算机工程与应用. 2013(13)
[4]行人检测技术综述[J]. 苏松志,李绍滋,陈淑媛,蔡国榕,吴云东. 电子学报. 2012(04)
[5]行人检测系统研究新进展及关键技术展望[J]. 许言午,曹先彬,乔红. 电子学报. 2008(05)
[6]基于视觉的人的运动识别综述[J]. 杜友田,陈峰,徐文立,李永彬. 电子学报. 2007(01)
[7]车辆辅助驾驶系统中基于计算机视觉的行人检测研究综述[J]. 贾慧星,章毓晋. 自动化学报. 2007(01)
博士论文
[1]纹理图像特征提取与分类研究[D]. 许文韬.华东师范大学 2017
[2]基于浅层学习引导深度学习的行人检测[D]. 刘弋锋.武汉大学 2016
[3]不均衡数据分类方法的研究[D]. 曹鹏.东北大学 2014
硕士论文
[1]基于Gabor小波和SVM的人脸识别算法研究[D]. 叶超.中北大学 2014
[2]基于视觉的特征提取及行人检测[D]. 王磊.武汉理工大学 2013
本文编号：3181498
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/3181498.html
