基于HOG與STM的行人檢測系統(tǒng)
發(fā)布時間:2021-04-14 17:28
行人檢測一直是計算機視覺研究領域的一個熱點問題,通過對檢測圖像或者視頻中的行人進行分析和跟蹤,可以在某些方面實現(xiàn)自動化管理和監(jiān)控。行人檢測在汽車安全、視覺監(jiān)控、自動駕駛等實際應用中具有很高的商用前景和實用價值。目前HOG+SVM在行人檢測中已經(jīng)取得了很大的成果,這給后面的研究者們提供了廣闊的思路,本研究主要是改進相關算法,提高行人檢測的準確性和識別率。支持向量機是一種常用的分類方法,可以將向量形式的數(shù)據(jù)進行分類處理,只要能把輸入樣本轉(zhuǎn)為向量形式就可以使用SVM算法。但其采用向量處理的方式也存在一些不足,例如某些張量數(shù)據(jù)如圖像在轉(zhuǎn)為向量時會破壞張量內(nèi)部的結(jié)構(gòu)信息,為此學者們提出支持張量機算法并取得了一些成果。經(jīng)過這些年的研究和發(fā)展,支持張量機逐漸變?yōu)椴捎脧埩緾P分解的方式處理張量數(shù)據(jù)。圖像本身屬于張量數(shù)據(jù),采用HOG特征提取后的特征其實是一個三階張量,如64*128大小的圖像其HOG特征為7*15*36的三階張量,采用SVM分類算法時需要把張量轉(zhuǎn)為3780維向量。如果采用支持張量機算法則可以直接進行分類訓練,理論上使用支持張量機算法應該更具有優(yōu)勢。本文在前人的基礎上,一方面將HOG特征與...
【文章來源】:大連理工大學遼寧省 211工程院校 985工程院校 教育部直屬院校
【文章頁數(shù)】:61 頁
【學位級別】:碩士
【文章目錄】:
摘要
Abstract
1 緒論
1.1 研究背景及意義
1.2 國內(nèi)外研究現(xiàn)狀
1.3 行人檢測研究難點
1.3.1 衣著差異
1.3.2 光線明亮
1.3.3 動作姿勢
1.3.4 背景復雜
1.3.5 行人遮擋
1.3.6 視角不同
1.3.7 尺度大小
1.4 本文主要研究內(nèi)容與章節(jié)安排
2 行人檢測基本理論分析和推導
2.1 HOG特征算法
2.1.1 HOG特征
2.1.2 HOG特征計算流程
2.1.3 標準化gamma空間和顏色空間
2.1.4 梯度的計算
2.1.5 空間以及方向上的梯度統(tǒng)計
2.1.6 塊內(nèi)梯度直方圖歸一化
2.1.7 最終hog特征的生成
2.2 SVM支持向量機
2.2.1 支持向量機
2.2.2 線性軟間隔支持向量機模型
2.2.3 核函數(shù)與非線性支持向量機模型
2.3 本章小結(jié)
3 STM支持張量機建模與設計
3.1 張量的概念
3.2 張量的定義與運算
3.3 支持張量機模型推導
3.4 改進的基于Tucker分解的STM算法
3.4.1 基于Tucker分解的STM模型
3.4.2 核張量G的選擇
3.4.3 STM的算法與步驟
3.5 實驗結(jié)果與分析
3.6 本章小結(jié)
4 基于HOG與改進的STM的行人檢測算法
4.1 HOG與 STM相結(jié)合
4.2 行人檢測基本流程
4.3 實驗結(jié)果與分析
4.3.1 實驗條件
4.3.2 實驗數(shù)據(jù)
4.3.3 實驗性能評價指標
4.3.4 實驗結(jié)果
4.4 本章小結(jié)
結(jié)論
參考文獻
攻讀碩士學位期間發(fā)表學術論文情況
致謝
【參考文獻】:
期刊論文
[1]最小二乘半監(jiān)督支持張量機學習算法[J]. 陸成韜,李凡長,張莉,張召. 模式識別與人工智能. 2016(07)
[2]基于感興趣區(qū)梯度方向直方圖的行人檢測[J]. 曾春,李曉華,周激流. 計算機工程. 2009(24)
[3]行人交通的視頻檢測方法綜述[J]. 邵春福,李娟,趙熠,董春嬌. 交通運輸系統(tǒng)工程與信息. 2008(04)
[4]車輛輔助駕駛系統(tǒng)中基于計算機視覺的行人檢測研究綜述[J]. 賈慧星,章毓晉. 自動化學報. 2007(01)
博士論文
[1]基于張量數(shù)據(jù)的機器學習方法研究與應用[D]. 楊兵.中國農(nóng)業(yè)大學 2014
碩士論文
[1]行人檢測系統(tǒng)的設計與實現(xiàn)[D]. 高磊.華僑大學 2018
[2]基于HOG特征提取的車輛檢測方法研究[D]. 劉家旭.華北電力大學 2017
[3]基于HOG特征的行人檢測系統(tǒng)的研究[D]. 劉文振.南京郵電大學 2016
[4]復雜環(huán)境下的行人檢測[D]. 張宇.電子科技大學 2016
[5]基于特征融合和運動信息的行人檢測算法的研究[D]. 趙緯龍.西安電子科技大學 2014
[6]模糊支持張量機[D]. 蔡燕.華南理工大學 2014
[7]基于Rough集理論改進的HOG特征行人檢測[D]. 周鑫.南昌大學 2012
[8]智能視頻監(jiān)控中的行人檢測與跟蹤方法研究[D]. 鄒依峰.中國科學技術大學 2011
本文編號:3137720
【文章來源】:大連理工大學遼寧省 211工程院校 985工程院校 教育部直屬院校
【文章頁數(shù)】:61 頁
【學位級別】:碩士
【文章目錄】:
摘要
Abstract
1 緒論
1.1 研究背景及意義
1.2 國內(nèi)外研究現(xiàn)狀
1.3 行人檢測研究難點
1.3.1 衣著差異
1.3.2 光線明亮
1.3.3 動作姿勢
1.3.4 背景復雜
1.3.5 行人遮擋
1.3.6 視角不同
1.3.7 尺度大小
1.4 本文主要研究內(nèi)容與章節(jié)安排
2 行人檢測基本理論分析和推導
2.1 HOG特征算法
2.1.1 HOG特征
2.1.2 HOG特征計算流程
2.1.3 標準化gamma空間和顏色空間
2.1.4 梯度的計算
2.1.5 空間以及方向上的梯度統(tǒng)計
2.1.6 塊內(nèi)梯度直方圖歸一化
2.1.7 最終hog特征的生成
2.2 SVM支持向量機
2.2.1 支持向量機
2.2.2 線性軟間隔支持向量機模型
2.2.3 核函數(shù)與非線性支持向量機模型
2.3 本章小結(jié)
3 STM支持張量機建模與設計
3.1 張量的概念
3.2 張量的定義與運算
3.3 支持張量機模型推導
3.4 改進的基于Tucker分解的STM算法
3.4.1 基于Tucker分解的STM模型
3.4.2 核張量G的選擇
3.4.3 STM的算法與步驟
3.5 實驗結(jié)果與分析
3.6 本章小結(jié)
4 基于HOG與改進的STM的行人檢測算法
4.1 HOG與 STM相結(jié)合
4.2 行人檢測基本流程
4.3 實驗結(jié)果與分析
4.3.1 實驗條件
4.3.2 實驗數(shù)據(jù)
4.3.3 實驗性能評價指標
4.3.4 實驗結(jié)果
4.4 本章小結(jié)
結(jié)論
參考文獻
攻讀碩士學位期間發(fā)表學術論文情況
致謝
【參考文獻】:
期刊論文
[1]最小二乘半監(jiān)督支持張量機學習算法[J]. 陸成韜,李凡長,張莉,張召. 模式識別與人工智能. 2016(07)
[2]基于感興趣區(qū)梯度方向直方圖的行人檢測[J]. 曾春,李曉華,周激流. 計算機工程. 2009(24)
[3]行人交通的視頻檢測方法綜述[J]. 邵春福,李娟,趙熠,董春嬌. 交通運輸系統(tǒng)工程與信息. 2008(04)
[4]車輛輔助駕駛系統(tǒng)中基于計算機視覺的行人檢測研究綜述[J]. 賈慧星,章毓晉. 自動化學報. 2007(01)
博士論文
[1]基于張量數(shù)據(jù)的機器學習方法研究與應用[D]. 楊兵.中國農(nóng)業(yè)大學 2014
碩士論文
[1]行人檢測系統(tǒng)的設計與實現(xiàn)[D]. 高磊.華僑大學 2018
[2]基于HOG特征提取的車輛檢測方法研究[D]. 劉家旭.華北電力大學 2017
[3]基于HOG特征的行人檢測系統(tǒng)的研究[D]. 劉文振.南京郵電大學 2016
[4]復雜環(huán)境下的行人檢測[D]. 張宇.電子科技大學 2016
[5]基于特征融合和運動信息的行人檢測算法的研究[D]. 趙緯龍.西安電子科技大學 2014
[6]模糊支持張量機[D]. 蔡燕.華南理工大學 2014
[7]基于Rough集理論改進的HOG特征行人檢測[D]. 周鑫.南昌大學 2012
[8]智能視頻監(jiān)控中的行人檢測與跟蹤方法研究[D]. 鄒依峰.中國科學技術大學 2011
本文編號:3137720
本文鏈接:http://sikaile.net/kejilunwen/shengwushengchang/3137720.html
最近更新
教材專著