低維度特征的行人檢測研究.pdf

1、基于計算機視覺的行人檢測，由于其在智能輔助駕駛系統(tǒng)、監(jiān)控以及高級機器人等方面的廣泛應用，成為當前計算機視覺中最為活躍的研究課題之一。當前主流的研究方向是從機器視覺出發(fā)，在大量的訓練樣本中提取特征。然后通過機器學習的方式，把行人檢測問題轉化為一個模式識別的問題。本文對行人檢測的一些關鍵技術和算法做了較為深入的研究，主要工作如下:
　　 首先通過介紹幾種經(jīng)典的行人檢測算法，分別對行人檢測過程中的特征提取和模式分類兩大問題進行了分析。

2、
　　 其次針對HOG算法采用網(wǎng)格密集的大小統(tǒng)一的細胞單元提取行人特征，導致大量高維度的冗余特征問題，提出了一種低維度的行人檢測算法。首先通過FAST角點檢測算法獲取目標輪廓信息，然后以角點為參考點取16*16像素區(qū)域內(nèi)的梯度方向直方圖作為行人特征，最后通過建立空間金字塔模型對圖像進行分塊，按塊提取維數(shù)統(tǒng)一的特征向量并串聯(lián)起來形成最終的特征向量。實驗結果表明，該算法取得了較好的檢測效果，并且極大地降低了特征維數(shù)。