行人檢測(cè)技術(shù)是計(jì)算機(jī)視覺、圖形圖像處理方向的關(guān)鍵技術(shù)之一,在城市智能交通、虛擬現(xiàn)實(shí)和人機(jī)系統(tǒng)交互等方面有著不可估量的應(yīng)用價(jià)值和前景�；谝曨l圖像的行人檢測(cè)算法和基于靜態(tài)圖像的行人檢測(cè)算法是行人檢測(cè)的兩大研究重點(diǎn),本文主要研究基于視頻圖像的檢測(cè)算法。論文首先介紹行人檢測(cè)技術(shù)的研究背景和意義,并從提取感興趣區(qū)域（Regionsof interest,ROIs）和行人目標(biāo)檢測(cè)算法兩部分出發(fā),分析、歸納了每個(gè)部分涉及的技術(shù)與算法。然后,論文介紹了傳統(tǒng)的行人檢測(cè)算法原理和基于深度學(xué)習(xí)的行人檢測(cè)算法原理。在傳統(tǒng)的行人檢測(cè)中,總結(jié)了從提取圖像ROIs到訓(xùn)練ROIs特征再到特征分類三個(gè)步驟;在深度學(xué)習(xí)行人檢測(cè)中,歸納了從數(shù)據(jù)集到模型選擇、模型測(cè)試、模型優(yōu)化,再到模型檢測(cè)的自底向上的檢測(cè)過程。接著,基于行人檢測(cè)算法的基本理論,本文提出了兩種改進(jìn)算法。（1）論文研究了共生梯度直方圖（Co-occurrence Histograms of Oriented Gradients,CoHOG）特征,并從特征提取的角度改進(jìn)了CoHOG特征。論文先介紹了CoHOG原理,并指出CoHOG未能考慮梯度幅值信息以及特征計(jì)... 

【文章來源】：杭州電子科技大學(xué)浙江省

【文章頁(yè)數(shù)】：72 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

人臉檢測(cè)（2）行人檢測(cè)

圖 1.2 行人檢測(cè)車輛檢測(cè)是使用車載攝像頭監(jiān)控車輛周圍環(huán)境，包跟蹤[3]。如圖 1.3 所示。圖 1.3 車輛檢測(cè)在目標(biāo)檢測(cè)中，圖像分類是非常重要的研究方向[4要同時(shí)檢測(cè)出多個(gè)目標(biāo)，包括人，動(dòng)物，車輛，樹

圖 1.3 車輛檢測(cè)。在目標(biāo)檢測(cè)中，圖像分類是非常重要的研究方向[4]需要同時(shí)檢測(cè)出多個(gè)目標(biāo)，包括人，動(dòng)物，車輛，樹木圖 1.4 圖像分類，我們的感興趣目標(biāo)很多，但是行人檢測(cè)卻是最有現(xiàn)問題。截止 2017 年 7 月初，全國(guó)機(jī)動(dòng)車保有量已經(jīng)突

【參考文獻(xiàn)】：
期刊論文
[1]基于改進(jìn)的多模板匹配的車牌識(shí)別算法[J]. 孫守勇,蔡騁.  電腦知識(shí)與技術(shù). 2017(09)
[2]一種結(jié)合幀間差分法與光流法的運(yùn)動(dòng)目標(biāo)檢測(cè)[J]. 馮訓(xùn)偉.  法制博覽. 2017(03)
[3]基于選擇性搜索和卷積神經(jīng)網(wǎng)絡(luò)的人臉檢測(cè)[J]. 吳素雯,戰(zhàn)蔭偉.  計(jì)算機(jī)應(yīng)用研究. 2017(09)
[4]基于改進(jìn)的幀間差分運(yùn)動(dòng)目標(biāo)提取算法[J]. 趙婷,鄭紫微.  無線通信技術(shù). 2016(02)
[5]基于Edge Boxes和深度學(xué)習(xí)的車輛檢測(cè)[J]. 劉亞萍,姚劍.  黑龍江科技信息. 2016(01)
[6]幀間差分法在視頻監(jiān)控中的應(yīng)用研究[J]. 李亮,羅毅.  四川理工學(xué)院學(xué)報(bào)(自然科學(xué)版). 2015(06)
[7]基于顯著圖生成和顯著密度最大化的高效子窗口搜索目標(biāo)檢測(cè)方法[J]. 劉松濤,黃金濤,劉振興.  電光與控制. 2015(12)
[8]基于幀間差分和邊緣差分的遺留物檢測(cè)算法[J]. 胡平,周文洪.  計(jì)算機(jī)系統(tǒng)應(yīng)用. 2015(03)
[9]一種改進(jìn)的基于背景差分的運(yùn)動(dòng)目標(biāo)檢測(cè)方法（英文）[J]. 萬盼盼,張軼.  計(jì)算機(jī)技術(shù)與發(fā)展. 2015(02)
[10]基于可變形模板匹配的變形字體識(shí)別[J]. 胡曉霞,肖秦琨,白燕燕,鄭三婷,王珊珊.  電子設(shè)計(jì)工程. 2014(12)

碩士論文
[1]基于金字塔層定位的DPM快速行人檢測(cè)方法研究[D]. 劉洋.天津工業(yè)大學(xué) 2017
[2]基于顯著性和LBP方法的車輛檢測(cè)[D]. 喬廣瑩.吉林大學(xué) 2016
[3]基于滑動(dòng)窗口的弱標(biāo)記物體檢測(cè)方法研究[D]. 柴子峰.哈爾濱工業(yè)大學(xué) 2016
[4]基于光流法的交叉遮擋區(qū)域多目標(biāo)跟蹤[D]. 王寧寧.西華大學(xué) 2015
[5]基于卷積神經(jīng)網(wǎng)絡(luò)的圖像分類方法研究[D]. 謝寶劍.合肥工業(yè)大學(xué) 2015
[6]基于光流法的運(yùn)動(dòng)目標(biāo)檢測(cè)和跟蹤算法研究[D]. 劉潔.中國(guó)礦業(yè)大學(xué) 2015
[7]人臉面部特征點(diǎn)檢測(cè)及其在視頻監(jiān)控中的應(yīng)用[D]. 江偉.上海大學(xué) 2015
[8]基于滑動(dòng)窗口的行人檢測(cè)技術(shù)研究[D]. 張虎.安徽大學(xué) 2012
[9]基于隱式形狀模型的行人檢測(cè)技術(shù)研究[D]. 姚會(huì).廈門大學(xué) 2009
[10]復(fù)雜背景下的行人檢測(cè)技術(shù)研究[D]. 蘇松志.廈門大學(xué) 2008



本文編號(hào)：3276586