基于支持向量机的行人检测

【摘要】： 行人检测是智能交通、智能监控、多媒体检索等领域的基本组成部分。针对上述广泛的应用,行人检测技术已经成为计算机视觉领域的热门研究对象。然而,行人的姿态、外貌、数量、方向、运动以及场景的遮挡和光照变化等因素均会影响检测的性能。本文使用梯度方向直方图(HOG)和局部二值模式(LBP)的混合特征训练行人分类器,并运用帧差法运动历史图像加速视频中行人检测的速度。 (1)基于支持向量机的行人检测方法 本文采用梯度方向直方图(HOG)和局部二值模式(LBP)作为特征,使用线性支持向量机(SVM)进行训练,实现了对行人的检测。通过大量对比实验表明：梯度方向直方图(HOG)和局部二值模式(LBP)联合特征能更好表征行人,训练得到的行人分类器具有更好的健壮性和有效性,对于小尺寸、不同姿态和不同穿着的行人均具有较强的检测能力,由于采用了积分图法计算HOG特征,使得我们的检测速度大幅提升。 (2)基于视频的快速行人检测 在视频检测中,由于视频的帧间连续性,我们采用帧间差分法和运动历史图像,先取得运动区域,然后在此基础上采用(1)中训练得到的行人分类器检测行人。运动历史图像和帧差法对视频运动区域有很好的描述作用,检测得到的运动区域联合前帧的检测位置,共同组成当前帧待检测区域。这种方法可以使视频中行人检测的速度大幅度提升。 通过实验,本文采用的HOG+LBP特征具有良好的行人表征能力。在基于视频的行人检测中,我们采用的先对视频获取运动区域,再进行检测的算法,具有很好的效果,可以对现实中的视频进行实时的处理。