【摘要】：近年來,隨著人們對公共安全問題的日益關(guān)切,對公共環(huán)境中的行人進行自動檢測已成為智能監(jiān)控和計算機視覺領(lǐng)域中的研究熱點。由于行人可能處于移動或靜止等不同的狀態(tài),且姿態(tài)變化劇烈,此外,行人之間的移動容易導(dǎo)致相互遮擋,在復(fù)雜場景中的這樣遮擋情況就更加明顯,這些都在很大程度上加大了行人檢測的難度。由于相對于人體的其他部位,人體頭部不易被遮擋,且輪廓邊界比較分明。因此通過檢測行人頭部來對行人進行定位是一種可行的檢測思路。本文對復(fù)雜場景下的人體頭部檢測問題展開研究,致力于研究一類可以對公共環(huán)境中人體頭部進行穩(wěn)定檢測的算法。論文主要工作內(nèi)容如下:(1)對固定攝像頭情景下的行人頭部檢測問題進行研究。首先采用背景差分法得到運動前景區(qū)域,然后通過分析人體頭部輪廓的梯度和方向幅值得到可能存在行人頭部的感興趣區(qū)域,同時,采用K-mean聚類方法對偽候選區(qū)域進行排除;最后對感興趣區(qū)域訓(xùn)練分類器進行分類得到正確的行人頭部位置。實驗表明該方法在保持較高準(zhǔn)確率的同時,提高了算法的實時性。(2)設(shè)計一種攝像頭運動情景下的頭部檢測算法。當(dāng)攝像頭安置于移動終端或車輛等運動物體之上時,背景檢測方法變得不再可靠。為此本文采用基于圖分割的方法對圖像進行分割。通過圖分割可以列舉出圖像中物體可能存在的區(qū)域,將這些區(qū)域作為頭部目標(biāo)可能存在的區(qū)域進行分類檢測即可得到目標(biāo)位置。實驗結(jié)果驗證了方法的有效性。(3)針對傳統(tǒng)的PCA-HOG降維后的特征空間存在鑒別性不足的問題,提出一種基于HOG-LBP分步降維的人體頭部分類算法。在對傳統(tǒng)的HOG檢測算法進行分析的基礎(chǔ)上,針對PCA降維并沒有考慮樣本類別的問題,將HOG特征按照樣本類別進行分步降維,并將降維后的HOG特征與LBP特征相融合得到最終特征描述算子。通過訓(xùn)練支持向量機分類器進行分類的結(jié)果表明,該方法與傳統(tǒng)的HOG算子相比可以有效提高檢測的準(zhǔn)確率。(4)搭建了行人頭部檢測系統(tǒng)的軟件構(gòu)架。以滿足行人頭部檢測系統(tǒng)的實際需求為目標(biāo),在Visual Studio2010+OpenCV框架下開發(fā)了相應(yīng)的檢測軟件。為了提高軟件的穩(wěn)定性和實時性,在結(jié)構(gòu)上采用多線程技術(shù)將圖像處理和界面數(shù)據(jù)交互分為不同的線程獨立執(zhí)行。實際運行結(jié)果表明,所開發(fā)的軟件可以穩(wěn)定運行。
[Abstract]:In recent years, with the increasing concern of public safety, automatic detection of pedestrians in the public environment has become a research hotspot in the field of intelligent monitoring and computer vision. Since pedestrians may be in different states, such as moving or stationary, and their posture changes dramatically, in addition, the movement of pedestrians can easily lead to mutual occlusion, which is even more obvious in complex scenarios. These have greatly increased the difficulty of pedestrian detection. Compared with other parts of the human body, the head of the human body is difficult to be occluded, and the contour boundary is clear. Therefore, it is a feasible way to detect the pedestrian by detecting the head of the pedestrian. In this paper, the problem of human head detection in complex scenes is studied, and a class of algorithms that can detect human head stably in public environment are studied. The main work of this paper is as follows: (1) the detection of pedestrian head under fixed camera is studied. The background difference method is used to obtain the moving foreground area, and then by analyzing the gradient and directional amplitude of the human head contour, the region of interest that may exist in the pedestrian head is obtained. At the same time, The pseudo candidate regions are excluded by K-mean clustering method. Finally, the correct position of pedestrian head is obtained by classifying the region of interest training classifier. Experiments show that this method not only keeps a high accuracy, but also improves the real-time performance of the algorithm. (2) A head detection algorithm is designed under the camera motion scenario. When the camera is mounted on moving objects such as mobile terminals or vehicles, background detection methods become less reliable. Therefore, the image segmentation method based on graph is adopted in this paper. The possible regions of the objects in the image can be listed by image segmentation, and the location of the objects can be obtained by classifying these regions as the possible regions of the head target. The experimental results demonstrate the effectiveness of the method. (3) aiming at the problem of insufficient discrimination in the traditional PCA-HOG dimensionality reduction feature space, a human head classification algorithm based on HOG-LBP step reduction is proposed. Based on the analysis of the traditional HOG detection algorithm, aiming at the problem of PCA dimensionality reduction without considering the sample category, the HOG feature is reduced according to the sample classification step by step. Finally, the final feature description operator is obtained by merging the reduced HOG features with the LBP features. The results of training support vector machine classifier show that compared with the traditional HOG operator, this method can effectively improve the accuracy of detection. (4) the software architecture of pedestrian head detection system is built. In order to meet the actual needs of pedestrian head detection system, the corresponding detection software is developed under the framework of Visual Studio2010 OpenCV. In order to improve the stability and real-time performance of the software, the multi-thread technique is used to separate the image processing and interface data into different threads. The actual operation results show that the developed software can run stably.
【學(xué)位授予單位】：淮北師范大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：TP391.41

【相似文獻】

相關(guān)期刊論文 前10條

1 胡子;結(jié)腸癌檢測軟件[J];中國醫(yī)療器械雜志;2002年03期

2 方宏,賈民平;分布式機動車輛檢測軟件的研制[J];機械制造與自動化;2005年02期

3 布置;;沒有硬件檢測軟件也能檢測電腦[J];網(wǎng)絡(luò)與信息;2008年05期

4 應(yīng)莉婭;袁東方;董長征;;甲型流感病毒基因組進化事件檢測軟件的實現(xiàn)[J];生物信息學(xué);2011年04期

5 武金剛;硬件檢測軟件面面觀[J];電腦;2003年01期

6 ;看空氣質(zhì)量 鍛煉身體[J];電腦愛好者(普及版);2012年08期

7 張迎新;全能檢測軟件——SiSoft Sandra98[J];電腦愛好者;1998年19期

8 馬立權(quán),高巖,謝崇光,葛平,張樹娟;通用微機檢測軟件設(shè)計[J];大連輕工業(yè)學(xué)院學(xué)報;2000年02期

9 張立瑩;;你的電腦硬件可好? 檢測軟件大閱兵[J];新電腦;2006年03期

10 方宏;;車輛檢測線工位檢測軟件的研制[J];機械制造與自動化;2007年02期

相關(guān)會議論文 前4條

1 朱建平;顧健;邱梓華;沈亮;;2003年信息安全產(chǎn)品檢測概況[A];第十九次全國計算機安全學(xué)術(shù)交流會論文集[C];2004年

2 陳其偉;;談形象直觀的檢測圖形報告不可忽視的作用[A];第十五屆全國汽車檢測技術(shù)年會論文集[C];2011年

3 奚琪;王清賢;曾勇軍;;惡意代碼檢測技術(shù)綜述[A];計算機研究新進展（2010）——河南省計算機學(xué)會2010年學(xué)術(shù)年會論文集[C];2010年

4 鄢鵬;王忠;;以太局域網(wǎng)的監(jiān)聽檢測原理與實現(xiàn)[A];四川省通信學(xué)會二零零四年學(xué)術(shù)年會論文集（二）[C];2004年

相關(guān)重要報紙文章 前10條

1 早報記者 陳斯斯　實習(xí)生 周雅涵;畢業(yè)臨近論文檢測軟件熱賣[N];東方早報;2011年

2 齊繼戰(zhàn)　記者 王梅;杜絕機動車安檢中的“貓膩”[N];中國質(zhì)量報;2009年

3 ;薄弱環(huán)節(jié)檢測[N];中國計算機報;2000年

4 本報記者 曹樹林　朱虹;網(wǎng)上“論文反抄襲”檢測可信嗎[N];人民日報;2011年

5 本報實習(xí)記者 鄭梅云;畢業(yè)季催熱論文檢測軟件 功能變味難遏抄襲風(fēng)[N];通信信息報;2014年

6 劉立才;探索VTS維護管理之路[N];中國水運報;2008年

7 內(nèi)蒙古 王f ;檢測軟件也出錯[N];電腦報;2004年

8 劉立才;遼寧海事局：自主創(chuàng)新實現(xiàn)VTS自檢自修[N];中國交通報;2008年

9 本報通訊員 胡娜　記者 王兵;四兩撥千斤的智慧[N];中國氣象報;2011年

10 ;安全軟件市場增長迅猛[N];網(wǎng)絡(luò)世界;2001年

相關(guān)博士學(xué)位論文 前4條

1 李宗林;骨干通信網(wǎng)中的分布式隱蔽流量異常檢測方法研究[D];電子科技大學(xué);2010年

2 唐菀;基于基因表達式編程的免疫入侵檢測關(guān)鍵技術(shù)研究[D];武漢大學(xué);2009年

3 任少斌;基于形態(tài)學(xué)圖像技術(shù)的群體檢測方法研究[D];太原理工大學(xué);2011年

4 徐鋒;信息系統(tǒng)惡意代碼檢測關(guān)鍵技術(shù)研究[D];哈爾濱工程大學(xué);2016年

相關(guān)碩士學(xué)位論文 前10條

1 馮天恒;基于動態(tài)關(guān)聯(lián)矩陣的管網(wǎng)水質(zhì)異常檢測方法研究[D];浙江大學(xué);2015年

2 李建彬;基于流量的木馬檢測技術(shù)[D];電子科技大學(xué);2014年

3 孫梅芳;MBR Bootkit檢測方法及技術(shù)研究[D];電子科技大學(xué);2014年

4 賈利亞;安卓平臺下跌倒檢測技術(shù)的研究與實現(xiàn)[D];南昌航空大學(xué);2015年

5 常仕偉;復(fù)合材料熱結(jié)構(gòu)檢測及有限元分析技術(shù)[D];長春理工大學(xué);2014年

6 劉迎春;一種磁盤檢測及數(shù)據(jù)恢復(fù)軟件的設(shè)計[D];電子科技大學(xué);2015年

7 楊帆;基于智能手機檢測系統(tǒng)的黃曲霉毒素B1定量檢測[D];太原理工大學(xué);2016年

8 吳益陽;基于OSG繪圖的飛行計劃沖突檢測軟件的設(shè)計與實現(xiàn)[D];東南大學(xué);2015年

9 嚴抗輝;心電T波交替檢測研究及分析軟件設(shè)計[D];廣東工業(yè)大學(xué);2013年

10 王恩翔;融合深度視頻和可穿戴傳感的跌倒檢測研究及其系統(tǒng)設(shè)計[D];華南理工大學(xué);2016年

，

本文編號：2333803