论文部分内容阅读
行人检测是计算机视觉领域的难点和热点问题,具有广泛的应用价值,例如智能视频监控,高级驾驶辅助系统,智能机器人等。静态图像行人检测算法主要包括图像预处理,特征提取,分类和后处理等过程。目前,研究工作主要集中在特征提取、特征学习、分类器、提高检测速度等方向,而后处理方向鲜有改进。非极大值抑制(Non-maximum Suppression, NMS)是后处理中必不可少的部分。目前最常用的非极大值抑制算法是基于贪心策略,抑制时只使用了单一的重合面积信息。针对该问题,在ACF (Aggregate Channel Features)检测算法的基础上,对其非极大值抑制算法进行了三项改进。针对大多数难以通过非极大值抑制算法排除的误检窗口,进一步研究了先检测后验证的两阶段行人检测方案。本文的主要工作具体如下:(1)提出了引入尺度比的非极大值抑制算法,能够去除行人的手臂,腿部等局部柱状部分产生的误检窗口,从而降低误检率。(2)提出了保留外围检测窗口的非极大值抑制算法,能同时降低误检率和漏检率。漏检率的降低主要源于提高了行人的头/脚部等被遮挡情况下的检测率。(3)提出了引入激活机制的非极大值抑制算法。通过重复抑制已经被抑制的检测窗口,可以增加融合外围检测窗口的几率,能让已经被抑制的检测窗口“起死回生”。(4)提出了一种两阶段行人检测方案。第一阶段使用速度快,精度高的ACF检测器产生待验证行人区域。第二阶段使用具有一定全局信息描述能力的DPM算法验证第一阶段所产生的行人区域。在INRIA行人数据集上的实验结果表明,改进的非极大值抑制算法能显著提升算法精度,并且基本上没有增加算法的时间消耗;两阶段行人检测算法能大幅提高算法精度,具有显著降低误检率的作用。