基于hough森林的多目标行人检测方法研究

《基于hough森林的多目标行人检测方法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、分类号：TP39单位代码：10183研究生学号：2013532144密级：公开吉林大学硕士学位论文（学术学位）基于Hough森林的多目标行人检测方法研究ResearchonMulti-TargetPedestrianDetectionMethodBasedonHoughForest作者姓名：张亮专业：计算机应用技术研究方向：计算机图像应用指导教师：卢奕南教授培养单位：计算机科学与技术学院2016年11月基于Hough森林的多目标行人检测方法研究ResearchonMulti-TargetPedestria

2、nDetectionMethodBasedonHoughForest作者姓名：张亮专业名称：计算机应用技术指导教师：卢奕南教授学位类别：工学硕士答辩日期：2016年月日未经本论文作者的书面授权，化法收存和保管本论文书面版不得对本论文的全部或部分本，巧、电子版本的任何单位和个人内容进行任何形式的复制、修改、发行、出租、改编等有碍作者。否则著作权的商业性使用（但纯学术性使用不在此限），应承担侵权的法律责任。吉林大学硕±学位论文原创性声明－，本人郑垂卢明：所呈交的硕丄学位论文，是本人

3、巧指导教师的巧诗下独立进行研究工作所取得的成果。除文中已经注明引用的内容外，本论文不包含任何其它个人或集体己经发表或撰写过的作品成果。对本文的研究。做出重要贡献的个人和集体，均已在文中明确方式标明本人完全意识到本声明的法律结果由本人承担。学位论文作者签名：日期１６年＂月ｊ円：２０７摘要摘要基于Hough森林的多目标行人检测方法研究基于图像或者视频的目标检测和跟踪已经成为计算机视觉领域中的研究热点，目前被广泛应用于视频监控，人机交互，智能检索，车辆导航和蔽障等方面。本文研究的行人检

4、测问题，便是目标检测领域的一个重要分支。本文旨在准确地将目标行人从复杂环境的单一图像或视频图像中检测分离并做进一步的追踪。近年来，行人检测问题由于其广泛的应用和市场价值，受到了越来越多研究者们的关注。但是，由于复杂环境的不确定性以及行人的各异性和多样性，使得行人检测达到精确识别目标仍存在诸多难点，亟待解决。行人检测的传统方法主要分为两类：基于背景建模的方法和基于统计学习的方法。前者由于较低的鲁棒性和较差的抗干扰能力而被研究者所淘汰。因此，现在主流的行人检测算法大多是以统计学习算法为主，该方法首先需要准备训

5、练样本，并从训练样本中提取典型特征以作标注，然后送入分类器中进行学习，最后，根据训练好的分类器进行行人检测。本文对现有的统计学习的方法进行了学习并探究了不同学习算法的优缺点，结合最终建立了一个以改进Hough森林为基本框架的多目标行人检测系统。本文研究的主要目标是实现复杂环境下行人的检测，主要研究内容如下：1)本文研究了基于统计学习的目标检测方法的基本流程，使用统计学习的方法进行行人检测主要需要进行特征提取和机器学习两个工作。2)本文对HOG，LBP，SIFT，Haar-Like四种特征描述子进行了介绍和

6、分析并研究了不同机器学习方法。在Hough算法进行行人检测的研究中，为了更好的描述行人目标，本文采取了一种结合行人Hog特征和Haar-Like特征的复合描述子，该算法能够有效地利用复合特征并结合改进的Hough森林共同形成一套多目标行人检测框架。3)本文选取的Hough森林算法在单一背景下可以实现多目标检测，但是仍然存在精度提升问题，一方面是因为自身的投票机制存在局限性，在复杂背景下会出现较大的识别误差，另一方面是因为投票结果窗口未做处理，导致检测性能下降。因此本文提出了一种基于高斯模板的权重学习方法进

7、行Hough森林优化投票，解决了传统投I摘要票机制的局限性问题，并采取窗口融合策略对检测窗口进行进一步处理，最终实现了检测精度的提升。本文主要使用INRIA数据和TUD行人数据库作为行人训练样本参与行人检测系统的训练和学习。实验结果表明本文构建的基于改进Hough森林的多目标行人检测系统在不同的测试数据集下能精确地实现多目标检测，相较于传统的Hog+SVM方法和原始的Hough森林算法具有更优的ROC性能。关键词：Hough森林，行人检测，Hog，Haar-Like，高斯滤波，权重学习，ROC曲线IIAb

8、stractAbstractResearchonMulti-TargetPedestrianDetectionMethodBasedonHoughForestTheresearchofobjectdetectionandtrackinginimagesandvideossequencehasbecomeincomputervisionfield.TheuseofObjectdetectionandtrackingisinvol