文档介绍：论文作者签名:—阪と期:惶苏州大学学位论文独创性声明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,本论文出重要贡献的个人和集体,均已在文中以明确方式标明。本人承担本声明的法律责任。本人郑重声明:所提交的学位论文是本人在导师的指导下,独立不含其他个人或集体已经发表或撰写过的研究成果,也不含为获得苏州大学或其它教育机构的学位证书而使用过的材料。对本文的研究作
五芝∑垦日弯——年一月解密后适用本规定。苏州大学学位论文使用授权声明期:凶幔很≥少论文作者签名:本人完全了解苏州大学关于收集、保存和使用学位论文的规定,即:学位论文著作权归属苏州大学。本学位论文电子文档的内容和纸质论文的内容相一致。苏州大学有权向国家图书馆、中国社科院文献信息情报中心、中国科学技术信息研究所蚍绞莸缱映霭嫔、中国学术期刊馀贪电子杂志社送交本学位论文的复印件和电子文档,允许论文被查阅和借阅,可以采用影印、缩印或其他复制手段保存和汇编学位论文,可以将学位论文的全部或部分内容编入有关数据库进行检索。涉密论文口本学位论文属导师签名:一期:非涉密论文盥/日/
复杂场景下多姿态行人检测与识别方法研究中文摘要行人是视频监控对象的焦点,行人检测与识别也是计算机视觉研究的基础任务和关键技术之一,其广泛应用于智能视频监控、车辆辅助驾驶、人机交互等领域。论文主要针对行人检测与识别时场景复杂、摄像机是否移动、行人姿态多变、行人特征提取与融合、行人分割以及候选行人目标选取等问题进行了研究。其研究内容如下:在单视点固定摄像头场景下,针对背景建模耗时、检测场景复杂和背景更新时自适应差等问题,提出了一种基于局部时空域模型的核密度估计行人检测算法。在前期训练学习阶段,采用稻劾嘌≡窆丶”苊饬诵畔⑷哂嗪图扑懔看笪侍猓在后期背景更新阶段,构建一种局部时空域模型,在时间域通过历史帧信息自适应调整时间域窗口大小,在空间域利用颜色和枋龅奈评硖卣飨糠忠跤拔侍狻在复杂场景下的实验表明,该算法在实时性和检测准确率方面都有很大提高。在单视点移动摄像头场景下,针对背景差分法中所出现的行人静止检测失败、动态背景检测准确率低和高空视频存在的行人目标较小、行人姿态多变、背景复杂及干扰噪声较大等问题,提出了一种融合目标多特征的行人检测算法。该算法融合了行人目标的及特征,并利用主成分分析降低特征空间维数,另外根据每种特征在检测过程中所占比重不同设置了不同的权值,有效解决了背景差分法行人检测的不足,同时对高空拍摄的视频也取得较好效果。针对由于高空视频细节模糊、背景杂乱等特点所导致行人分割与识别困难问题,提出了一种基于卡尔曼滤波和显著区域检测的行人识别算法。在分割行人时使用显著区域检测分割算法确定场景显著目标;在后期匹配过程中,先用卡尔曼滤波算法将候选区域标出再进行目标刷选,避免了在监督环境下选取固定数量候选人的问题。通过复杂场景下实验表明,该算法有效提高了自适应性、实时性和识别准确率。关键词:核密度估计,局部时空域模型,融合多特征,卡尔曼滤波,显著区域检测作者:王兴宝指导老师:刘纯平副教授本文的研究工作受国家自然科学基金项目、江苏省自然科学基金项目手复杂场景下多姿态行人榆测‘侗鸱椒ㄑ芯中义摘要
甌.,琾琾甌瑅’,琣’琱,琲,甀瑃琤琭瑃騎瓵琩.,,琓.Ⅱ
甀.,瑆甀瓵琤:,琺,Ⅲ’琲瑃疭,,,瑂.—猟...——
目录第一章绪论...⋯..。.⋯....。⋯⋯⋯⋯.⋯......。。..。.。........。............⋯..⋯⋯..。..。.。.....⋯⋯⋯⋯⋯⋯.课题研究背景和意义⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯国内外研究现状⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.本文主要研究内容和创新点⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯。本文组织结构⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.第二章基于局部时空域模型的核密度估计行人检测算法⋯⋯⋯⋯⋯⋯。非参数核密度估计检测方法⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.固定摄像头下局部时空域模型的行人检测⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..ⅰ.ú街琛实验结果与分析⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯惴ḿ觳饨峁冉稀惴ㄐ阅芊治觥本章小结⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..第三章融合目标多特征的行人检测算法⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯。常用行人特征和支持向量机原理介绍⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯...С窒蛄炕