基于DPM和XCF的行人检测算法改进和系统实现

行人检测技术是计算机视觉领域中的研究重点和难点,在视频监控,智能交通等领域有较大的应用前景。但是有两点制约了行人检测技术的应用:其一在于行人目标是非刚体目标,容易发生形变并且容易与环境中的物体发生遮挡,导致检测精度差;其二是一般行人检测算法实时性差,限制了其应用场景。本文研究了两种主流的行人检测算法,并在这两种算法的基础上提出了融合和改进方法。可变形部件模型是行人检测领域中一种成功的算法,它使用可变形的部件有效对抗了遮挡和形变问题。基于通道特征的行人检测算法同样是近年来研究的热点,其自然的特征融合特性能充分挖掘各类型特征的优势,同时结合快速的特征金字塔构建方法达到了较快的检测速度。本人研究了上述行人检测算法优势和劣势,提出了几点改进和创新,主要有:(1)针对行人检测算法精度不足问题,提出在多种行人检测算法的检测得分基础上进行融合。本文研究了基于匹配层的信息融合理论以及各种应用方法,并应用于行人检测算法中,仿真实验结果证明整体的误检率和漏检率均有大幅降低。(2)针对部件模型可以对抗遮挡和形变问题以及基于通道特征的检测算法具有速度优势。本文提出在通道特征基础上应用简单的部件模型,通过应用合适的部件模型,可以在提高检测精度同时维持较高的检测速度。(3)针对聚合通道特征的多个特征通道使用多种特征分析方法,发现其中存在无效冗余的特征,通过在训练过程中抑制这些特征在分类器中的作用能一定程度上提高算法的性能。最后本文构建了一个行人检测系统,针对监控场景分别应用侧重于速度和侧重于精度的行人检测方案,并提取行人的有效相关信息存入数据库供快速检索。