基于DPM的行人检测系统的设计与实现开题报告
2021-08-14 16:04:19
1. 研究目的与意义（文献综述）
1.1 研究目的及意义
生物识别技术通过使用人体固有的生理特性，来进行个人身份鉴定的方法。行人检测识别因其具有直接友好、操作方便等特点，成为当前生物识别领域的一个热门研究方向，其也是计算机视觉领域最重要的问题之一。在过去的20年中，行人检测方法取得了诸多进步，但是即使是最新的检测方法在处理自然状态下的多变行人检测的问题时仍然存在很大困难，因此行人检测作为目标识别领域的很重要的课题，吸引了很多关注， 它在智能车辆、自动导航、运动分析、高级人机接口等方面已经成为核心技术并且有着很广泛的应用前景。 行人检测的挑战在于当有多个行人在空间上靠得很近的时候。此时，由于行人靠得很近造成行人存在遮挡，单一的行人行人检测器无法检测到部分被遮挡的行人，从而产生了漏检或误检。
尤其在智能安防监控网络中，行人检测是众多安防应用如异常行为检测，群体事件预警，可疑人物自动查询等的基础算法，一个稳定精确的行人检测结果对整个智能安防系统带来的积极影响是巨大的。针对监控摄像头采集的视频数据，采用基于dpm（deformableparts model）的行人检测算法对视频帧中出现的人进行自动检测，在人物发生遮挡，拥挤的情况下实现较为鲁棒的检测结果。因此，如何设计一个较好的行人检测系统就显得非常有必要。
2. 研究的基本内容与方案
| 2.1基本内容及目标 1.阅读相关文献掌握基本的知识，包括了解HOG特征，DPM算法设计，LSVM分类器的使用。 2.理解并实现DPM行人检测算法； 3.获取实验所需行人检测的训练数据以及测试数据； 4.利用Matlab设计并实现DPM行人检测系统； 5.针对各组测试数据，分析不同特征与不同分类器对检测效果的影响（设定单帧的检测准确度）； 2.2技术方案及措施 在检测过程中,我们使用了一种基于DPM(Deformable Part Model )的方法,对人脸的每个部分各自训练出一个分类器,同时对于各部分之间的关系,训练出一个关系分类器。在检测过程中,通过对各部分的匹配以及各部分之间关系的匹配情况, 对待检测的图像进行判断是否为人脸。这种方法能够消除由于面部特征差异性对检测的影响,模型也更为灵活。在进行检测时,使用了滑动窗口的方法,检测对象模型包括一个全局的根滤波器和很多部件模型。每一个部件模型都制定了一个具体的空间模型和部件滤波器。空间模型定义了对于一个部件相对于检测窗口允许变化的范围空间以及在该位置的变形代价。待检测窗口的得分是根滤波器的得分加上各部分最大重合部分的得分减去变形代价。若检测窗口的得分高于阈值,则说明检测窗口中包含待检测物体,否则不包含。 |
3. 研究计划与安排
第1－3周：查阅相关文献资料，明确研究内容，了解研究所需理论基础。确定方案，完成开题报告。
第4－5周：熟悉掌握基本理论，完成英文资料的翻译，熟悉开发环境。
第6－9周：编程实现各算法，并进行仿真调试。
4. 参考文献（12篇以上）
[1]寒冰，李彬.生物特征识别技术的应用与发展新趋势[j].中国安防，2010，8
[2]夏鸿斌，须文波，刘渊.生物特征识别技术研究进展[j].计算机工程与应用，2003，39(20) :77-79.
[3]王伟，马建光.行人检测常用方法及其发展现状[j].兵工自动化，2002， 21(1): 49-51.
