学位论文 > 优秀研究生学位论文题录展示

基于区域高斯特征的人体检测算法

作　者: 张富强
导　师: 王天江
学　校: 华中科技大学
专　业: 计算机应用技术
关键词: 人体检测区域高斯特征机器学习李群理论并行化
分类号: TP391.41
类　型: 硕士论文
年　份: 2011年
下　载: 61次
引　用: 0次
阅　读: 论文下载

内容摘要

人体检测近年来一直是计算机视觉领域里的热点研究问题之一,其主要目的是使计算机自动检测出图像或视频中的人体。作为计算机视觉领域的关键技术,人体检测技术在许多领域具有广泛的运用前景,比如智能视频监控、驾驶员辅助系统、基于内容的图像检索、人机交互、运动分析等领域。基于统计分类的人体检测方法是近年来人体检测发展的主要方向,它采用机器学习的方法从大量的训练样本中通过提取特定的特征自动学习出能区分人体和非人体的分类器,即把人体检测当成一个模式分类的问题。基于统计分类的人体检测的关键是选取具有较强区分能力的特征和合适的机器学习方法。基于区域高斯特征的人体检测算法也是一种基于统计分类的人体检测算法,其使用区域高斯特征,基于Cascade级联结构,利用Adaboost和改进的Logitboost机器学习方法训练级联人体分类器,用于人体检测。其中区域高斯特征是在区域协方差特征基础上增加均值因素构建而成,理论和实验都证明其比区域协方差特征具有更好的人体区分能力。此外分析发现区域高斯特征具有李群拓扑结构,于是基于李群理论对特征之间的距离进行度量而非采用传统的向量空间度量方法,并在训练级联人体分类器时针对区域高斯特征的李群特性对Logitboost机器学习方法进行改进以用于对区域高斯特征进行学习训练。另外,为了满足人体检测的实时性要求,算法除了采用级联结构构建人体分类器用于快速分类、引进积分图像的思想以快速提取特征外,还在实现上借助TBB库使得人体分类器训练过程和人体检测过程并行化。实验结果表明,提出的人体检测算法具有较好的人体检测性能,而且代码实现上也基本达到实时检测的要求。

全文目录

摘要  4-5
ABSTRACT  5-8
1 绪言  8-13
  1.1 研究背景与意义  8
  1.2 国内外研究现状  8-11
  1.3 主要研究工作  11-12
  1.4 论文结构  12-13
2 基于区域高斯特征的人体检测算法研究  13-30
  2.1 引言  13
  2.2 人体检测基本框架  13-15
  2.3 区域高斯特征  15-18
  2.4 训练人体分类器  18-30
3 基于区域高斯特征的人体检测算法实现  30-51
  3.1 引言  30
  3.2 算法实现细节处理  30-39
  3.3 核心类设计  39-42
  3.4 实验结果与分析  42-51
4 总结与展望  51-53
  4.1 对本文的总结  51
  4.2 对今后研究的展望  51-53
致谢  53-54
参考文献  54-57

相似论文

英汉命名实体翻译方法研究,TP391.2
基于数据分布特征的文本分类研究,TP391.1
人类抗原肽载体结合力预测,R392.1
李群深层结构学习算法研究,TP181
机器学习算法在视频指纹识别中的应用研究,TP391.41
蛋白质关系抽取中平面特征和结构化信息的研究,TP181
基于李群机器学习算法的智能布线,TN710
基于多视角的分类器设计与权值优化方法研究,TP18
基于条件随机场的中文分词技术的研究与实现,TP391.1
基于SMP的内存数据库查询处理优化研究,TP311.13
领域知识指导的半监督学习和主动学习倾向性分类研究,TP181
Android恶意软件静态检测方案的研究,TP309
基于马尔可夫链蒙特卡罗方法的RBM学习算法改进,O211.62
基于配体结构的药物靶标预测及细胞色素P450酶代谢底物数据库CYP-Meta的构建,R91
基于多核的动态剖析加速方法研究,TP332
监督主题模型的研究与应用,TP391.1
基于失真效应的图像质量评价与分类,TP391.41
基于学习的逆向运动学人体运动合成,TP391.41
基于内容的网页恶意代码检测的研究与实现,TP393.092
学术主页信息抽取系统的研究,TP393.092