论文部分内容阅读
行人检测是计算机智能的从图像或视频流中自动的检测出行人,具有十分广泛的应用价值,是一个研究的热点;同时,由于行人自身特点与外界环境的复杂性,行人检测又是一个研究的难点。本文用基于滑动窗口技术对静态图像中的行人进行检测,研究LBP特征的鲁棒改进算法以及检测窗口的快速融合算法。主要的研究工作总结如下:(1)提出多尺度细胞局部二值模式:针对细胞LBP (CLBP)局部描述的单一性,将图像的局部信息和全局信息相结合,提出多尺度细胞LBP (MLBP)。进一步,引入控制因子到MLBP,提出可调多尺度细胞LBP (AMLBP),实现MLBP最佳表征选择,得到更好的检测性能。(2)提出加权统计的细胞局部二值模式:为了更充分的利用局部邻域的信息,提出基于加权统计的CLBP行人检测框架。基于这一框架,并分别用对比度信息和梯度信息描述每个像素点的权值信息,得到方差加权细胞LBP (VCLBP)和梯度加权细胞LBP (GCLBP)两种新的特征描述子。该框架通过多特征融合以包含更多信息量,因此取得较CLBP较大检测性能提升。另外,该框架在不增加融合特征维数的同时快速的融合特征,因此,对多特征的融合具有参考意义。(3)提出可调控制因子LBP框架:为使特征对光照和噪声的影响具有更强的鲁棒性,将AMLBP特征引入控制因子的思路进一步扩展,提出基于可调控制因子LBP框架的特征模型。对一些原始特征在此框架中扩展得到一系列新特征描述子(ACLBP、AVCLBP、AGCLBP和ACENTRIST)的对比实验说明,该框架可以提高特征的抗光照强度变化能力。(4)提出基于模糊等价关系的检测窗口融合方法:为了实现快速的行人检测后处理阶段的候选窗口融合,本文提出基于Fuzzy等价关系的窗口融合新方法,将一个目标上的多个检测窗口,应用Fuzzy等价关系进行聚类,提高融合的速度,有效缩短行人检测的总体时间。