發(fā)布時(shí)間：2022-07-29 20:02

　　在自動(dòng)駕駛、智能視頻監(jiān)控、人機(jī)交互等現(xiàn)實(shí)應(yīng)用的驅(qū)動(dòng)下,利用計(jì)算機(jī)視覺(jué)技術(shù)對(duì)環(huán)境特定目標(biāo)進(jìn)行檢測(cè)、識(shí)別和跟蹤,已經(jīng)成為學(xué)術(shù)研究的熱點(diǎn)需求和重要方向。而在環(huán)境目標(biāo)中,行人是最受關(guān)注的類別之一,近年來(lái)行人檢測(cè)問(wèn)題的研究進(jìn)展十分迅速,并得到了工業(yè)界的初步應(yīng)用。行人檢測(cè)的核心是一個(gè)關(guān)于背景與行人的二分類問(wèn)題,其難點(diǎn)在于背景以及行人受尺度、遮擋等影響產(chǎn)生的豐富變化對(duì)行人檢測(cè)器產(chǎn)生了干擾;為應(yīng)對(duì)這些變化,論文從特征提取與分類算法兩個(gè)方面開(kāi)展研究,具體如下:第一,提出了使用線性判別分析選擇的自相似特征。以自相似特征為基礎(chǔ),針對(duì)其維度與基特征維度呈平方關(guān)系,難以運(yùn)用于高分辨率特征圖的問(wèn)題,利用線性判別分析,從所有自相似特征中提取對(duì)背景與行人具有良好的類間區(qū)分性與類內(nèi)不變性的特征,降低了自相似特征維度。該方法計(jì)算高效,易于擴(kuò)展,所得特征在直觀上具有物理合理性。實(shí)驗(yàn)結(jié)果表明,使用該特征訓(xùn)練的行人檢測(cè)器在Caltech數(shù)據(jù)集上的對(duì)數(shù)平均漏檢率達(dá)到13.96%。第二,提出了使用尺度相關(guān)池化特征與軟決策樹(shù)的行人檢測(cè)算法。以多分辨率濾波通道為基礎(chǔ),針對(duì)不同尺度行人特征感受野不對(duì)應(yīng)的問(wèn)題,提出尺度相關(guān)池化特征,使得特... 

【文章頁(yè)數(shù)】：132 頁(yè)

【學(xué)位級(jí)別】：博士

【文章目錄】：
摘要
abstract
縮略詞表
主要數(shù)學(xué)符號(hào)表
第一章 緒論
    1.1 背景與挑戰(zhàn)
    1.2 主要研究?jī)?nèi)容與貢獻(xiàn)
    1.3 論文結(jié)構(gòu)及內(nèi)容安排
第二章 圖像中的行人檢測(cè)關(guān)鍵技術(shù)研究現(xiàn)狀
    2.1 引言
    2.2 行人檢測(cè)的基本流程
        2.2.1 候選區(qū)域生成
        2.2.2 窗口分類
        2.2.3 非極大抑制
    2.3 行人檢測(cè)的特征提取
        2.3.1 Haar特征
        2.3.2 聚合通道特征
        2.3.3 運(yùn)動(dòng)信息特征
    2.4 行人檢測(cè)的分類算法
        2.4.1 提升樹(shù)算法
        2.4.2 級(jí)聯(lián)決策樹(shù)
    2.5 行人檢測(cè)性能評(píng)價(jià)
        2.5.1 公共數(shù)據(jù)集
        2.5.2 性能評(píng)價(jià)方式
    2.6 小結(jié)
第三章 自相似特征優(yōu)化與行人檢測(cè)
    3.1 引言
    3.2 聚集通道特征的線性變換
    3.3 廣義瑞利熵準(zhǔn)則下的特征優(yōu)化
        3.3.1 自相似特征與特征投影的聯(lián)系
        3.3.2 LDA,SLDA與斜分裂面
        3.3.3 使用LDA的特征選擇
        3.3.4 帶區(qū)域限制的FSSS特征
        3.3.5 兩階段級(jí)聯(lián)決策樹(shù)
        3.3.6 訓(xùn)練流程
        3.3.7 特征可視化
        3.3.8 與其它特征選擇方法的聯(lián)系
    3.4 實(shí)驗(yàn)結(jié)果與分析
        3.4.1 實(shí)驗(yàn)細(xì)節(jié)
        3.4.2 在INRIA數(shù)據(jù)集上的實(shí)驗(yàn)
        3.4.3 在KITTI數(shù)據(jù)集上的實(shí)驗(yàn)
        3.4.4 在Caltech數(shù)據(jù)集上的實(shí)驗(yàn)
    3.5 小結(jié)
第四章 單尺度特征通道快速行人檢測(cè)
    4.1 引言
    4.2 多尺度行人檢測(cè)方案
        4.2.1 圖像金字塔與分類器金字塔
        4.2.2 多分辨率濾波通道
    4.3 尺度相關(guān)池化特征
        4.3.1 多分辨率濾波通道感受野分析
        4.3.2 尺度相關(guān)的池化特征
    4.4 軟決策樹(shù)
    4.5 滑動(dòng)窗分類加速方法
        4.5.1 地平線約束
        4.5.2 稀疏網(wǎng)格檢測(cè)
    4.6 實(shí)驗(yàn)結(jié)果與分析
        4.6.1 實(shí)驗(yàn)細(xì)節(jié)
        4.6.2 在KITTI數(shù)據(jù)集上的實(shí)驗(yàn)
        4.6.3 在Caltech數(shù)據(jù)集上的實(shí)驗(yàn)
    4.7 小結(jié)
第五章 分層多姿態(tài)學(xué)習(xí)與行人檢測(cè)
    5.1 引言
    5.2 現(xiàn)有遮擋行人檢測(cè)算法分析
        5.2.1 遮擋行人檢測(cè)的基本框架
        5.2.2 對(duì)于遮擋的理解
    5.3 行人部件的聯(lián)合學(xué)習(xí)算法
        5.3.1 行人部件的分層表示
        5.3.2 多姿態(tài)學(xué)習(xí)
        5.3.3 分層多姿態(tài)學(xué)習(xí)
        5.3.4 實(shí)現(xiàn)細(xì)節(jié)討論
    5.4 實(shí)驗(yàn)結(jié)果與分析
        5.4.1 實(shí)驗(yàn)細(xì)節(jié)
        5.4.2 在KITTI數(shù)據(jù)集上的實(shí)驗(yàn)
        5.4.3 在INRIA數(shù)據(jù)集上的實(shí)驗(yàn)
        5.4.4 在Caltech數(shù)據(jù)集上的實(shí)驗(yàn)
    5.5 小結(jié)
第六章 全文總結(jié)與展望
    6.1 本文貢獻(xiàn)
    6.2 后續(xù)工作展望
致謝
參考文獻(xiàn)
攻讀博士學(xué)位期間取得的成果


【參考文獻(xiàn)】：
期刊論文
[1]監(jiān)控視頻運(yùn)動(dòng)目標(biāo)檢測(cè)減背景技術(shù)的研究現(xiàn)狀和展望[J]. 代科學(xué),李國(guó)輝,涂丹,袁見(jiàn).  中國(guó)圖象圖形學(xué)報(bào). 2006(07)



本文編號(hào)：3667095