1、人體檢測是近年來計算機視覺和模式識別領(lǐng)域的研究熱點,它在智能視頻監(jiān)控、人機交互、車輛輔助駕駛等方面有著廣泛的應(yīng)用前景。目前基于人體檢測的種種算法相繼被提出,但由于場景的復(fù)雜多變性、人體的非剛性、人體之間的的相互遮擋、人體檢測速度與檢測率等問題,所以還沒有形成一個完善通用的人體檢測算法。
　　人體檢測從架構(gòu)上來說主要分為特征提取、訓(xùn)練樣本、人體檢測三部分。本文數(shù)據(jù)集選擇目前獲得一致認(rèn)可的 INRIA行人數(shù)據(jù)庫,該數(shù)據(jù)庫中的人衣著姿勢

2、各異,拍攝場景不同,分辨率高,也是難度比較高的人體數(shù)據(jù)庫。通常采用基于滑動窗的方法對靜態(tài)圖像中的人體進(jìn)行檢測。滑動窗的方法是將圖片進(jìn)行多次一定比例的縮放,然后用固定大小的滑動窗在多個尺度的樣本上按方向和固定的步長遍歷。遍歷窗口的同時提取特征,并用分類器預(yù)測二分類結(jié)果,將所有預(yù)測為行人目標(biāo)的窗口的坐標(biāo)和尺度統(tǒng)一保存,最后將檢測結(jié)果融合。
　　本文針對基于梯度方向直方圖和支持向量機的人體檢測特征維數(shù)多、訓(xùn)練速度慢的缺點進(jìn)行了改進(jìn)。在特

3、征提取方面,研究了金字塔梯度方向直方圖(Pyramid Histogram of Oriented Gradient,PHOG)、局部二值模式(Local Binary Patterns,LBP)特征,它們均能有效的表達(dá)行人信息,但是單一的特征都有它們的不足。PHOG特征是一種基于HOG特征的描述,它通過圖像分層處理將空間信息和形狀信息集中表達(dá),在每層內(nèi)的特征是梯度方向直方圖。PHOG特征對噪聲敏感,對于背景復(fù)雜的圖片,容易產(chǎn)生漏檢。L

4、BP特征算子是一種灰度范圍內(nèi)的紋理描述算子,可以對灰度圖像中局部鄰近區(qū)域的紋理信息進(jìn)行度量和提取。LBP算子等價模式能夠有效去除噪聲干擾,這是因為非等價模式中多是一些噪聲區(qū)域,LBP特征能夠有效彌補PHOG特征對于噪聲的抗干擾性。在此基礎(chǔ)上,本文提出使用一種表征膚色信息的顏色特征方法,并將此方法與PHOG、LBP結(jié)合形成一種新的特征,用來突出膚色信息,增強行人的識別能力。分類器方面,本文提出將極限學(xué)習(xí)機用于人體檢測。極限學(xué)習(xí)機不同于傳統(tǒng)