開(kāi)題報(bào)告監(jiān)控系統(tǒng)中的行人檢測(cè)算法的實(shí)現(xiàn)

1、 畢業(yè)設(shè)計(jì)（論文）開(kāi)題報(bào)告題 目監(jiān)控系統(tǒng)中的行人檢測(cè)算法的實(shí)現(xiàn)學(xué) 院通信工程專(zhuān) 業(yè)信息對(duì)抗技術(shù)姓 名 班 級(jí) 學(xué) 號(hào) 指導(dǎo)教師 一、綜述本課題國(guó)內(nèi)外研究動(dòng)態(tài)，說(shuō)明選題的依據(jù)和意義科學(xué)技術(shù)的快速發(fā)展，在給人帶來(lái)利益和便利的同時(shí)，也給人帶來(lái)了安全隱患。如為保護(hù)某些具有較高的經(jīng)濟(jì)價(jià)值或技術(shù)優(yōu)勢(shì)的核心技術(shù)及機(jī)密而設(shè)立的禁區(qū)，交通工具的快速行駛等都會(huì)給人們帶來(lái)安全隱患。因此，監(jiān)控系統(tǒng)（特別是智能監(jiān)控系統(tǒng)）越來(lái)越受到人們的重視?？v觀各種影響社會(huì)安全穩(wěn)定的事件，給人們帶來(lái)嚴(yán)重?fù)p失的除不可控因素（地震、火山噴發(fā)等）外，主要是人的行為。因此，在監(jiān)控系統(tǒng)中實(shí)現(xiàn)行人檢測(cè)將可以避免巨大的人身、經(jīng)濟(jì)等損失，也成為了國(guó)內(nèi)

2、外研究的熱點(diǎn)。目前，清華大學(xué)、浙江大學(xué)、上海交通大學(xué)計(jì)算機(jī)實(shí)驗(yàn)室以及中國(guó)科學(xué)院自動(dòng)化研究所等是國(guó)內(nèi)在行人檢測(cè)研究上比較著名的高?；蜓芯繖C(jī)構(gòu)。而且，中國(guó)科學(xué)院自動(dòng)化研究所的生物識(shí)別與安全技術(shù)研究中心開(kāi)發(fā)的人臉識(shí)別系統(tǒng)已經(jīng)投入使用（2008 年北京奧運(yùn)會(huì)和 2010 年上海世博會(huì)等重大活動(dòng)）。浙江大學(xué)人工智能研究所采用了單目視覺(jué)的方法，中科院的李和平、胡占義等提出基于監(jiān)督學(xué)習(xí)的異常檢測(cè)和行為建模算法。國(guó)外著名的智能監(jiān)控系統(tǒng)有ibm的智能監(jiān)控系統(tǒng)和以色列的ioimage公司推出的智能監(jiān)控系統(tǒng)。另外，卡耐基梅隆大學(xué)開(kāi)發(fā)的 nablab.10 系統(tǒng)已經(jīng)應(yīng)用于汽車(chē)的檢測(cè)系統(tǒng)。雖然國(guó)內(nèi)的監(jiān)控系統(tǒng)行業(yè)近些年發(fā)

3、展較快，但是和國(guó)外相比仍有一定的差距。監(jiān)控系統(tǒng)中行人檢測(cè)技術(shù)研究至今，比較成熟的算法主要有l(wèi)eibe等人基于 “局部特性的編碼”進(jìn)行的行人檢測(cè)、oliver等人利用邊緣圖像來(lái)對(duì)不同的形狀模型進(jìn)行匹配(asm)和dalal與triggs 提出的基于梯度直方圖 hog+支持向量機(jī)svm的行人檢測(cè)算法等。而在所有的行人檢測(cè)技術(shù)，基本都包括了運(yùn)動(dòng)目標(biāo)檢測(cè)和運(yùn)動(dòng)目標(biāo)識(shí)別兩個(gè)關(guān)鍵技術(shù)。運(yùn)動(dòng)目標(biāo)檢測(cè)是指通過(guò)比較視頻圖像中像素點(diǎn)的變化判斷是否有運(yùn)動(dòng)物體，并通過(guò)圖像處理技術(shù)將運(yùn)動(dòng)目標(biāo)分割出來(lái)。運(yùn)動(dòng)目標(biāo)的檢測(cè)是運(yùn)動(dòng)目標(biāo)識(shí)別的前提和保障，目前主要有光流法和幀差法（包括對(duì)稱(chēng)幀差法和背景減除法）。運(yùn)動(dòng)目標(biāo)識(shí)別是對(duì)運(yùn)動(dòng)目

4、標(biāo)檢測(cè)階段獲得的運(yùn)動(dòng)目標(biāo)進(jìn)行處理，識(shí)別出其是行人還是其他的物體。目前主要有基于運(yùn)動(dòng)的方法、基于模板匹配的方法、基于統(tǒng)計(jì)學(xué)習(xí)方法3等。opencv 是著名的開(kāi)源的計(jì)算機(jī)視覺(jué)的函數(shù)庫(kù)，由大量的 c 函數(shù)和 c+類(lèi)構(gòu)成作為接口，實(shí)現(xiàn)了圖像處理和計(jì)算機(jī)視覺(jué)方面的很多通用算法。而且opencv中的機(jī)器學(xué)習(xí)函數(shù)庫(kù)實(shí)現(xiàn)了機(jī)器學(xué)習(xí)研究領(lǐng)域中比較常見(jiàn)、應(yīng)用較為廣泛的學(xué)習(xí)方法，包括了貝葉斯分類(lèi)器、k 鄰近算法、支持向量機(jī)、決策樹(shù)、adaboost 算法以及神經(jīng)網(wǎng)路算法，基本上覆蓋了機(jī)器學(xué)習(xí)領(lǐng)域中的主流算法。因此，使用opencv能夠較靈活的實(shí)現(xiàn)行人檢測(cè)。二、研究的基本內(nèi)容，擬解決的主要問(wèn)題： 監(jiān)控系統(tǒng)的行人檢測(cè)算

5、法的實(shí)現(xiàn)主要包括運(yùn)動(dòng)目標(biāo)檢測(cè)和運(yùn)動(dòng)目標(biāo)識(shí)別兩個(gè)關(guān)鍵技術(shù)，在運(yùn)動(dòng)目標(biāo)檢測(cè)階段可以采用幀差法，目標(biāo)識(shí)別階段可以采用基于hog特征的行人識(shí)別。1）幀差法幀差法是指通過(guò)當(dāng)前幀與背景圖像相減得到的幀或連續(xù)的兩幀圖像的差值得到中間幀運(yùn)動(dòng)對(duì)象的輪廓。通過(guò)該方法可以獲得roi（感興趣區(qū)域）區(qū)域，進(jìn)一步縮小檢測(cè)區(qū)域。2）hog特征 hog特征是在被稱(chēng)為單元（cell）和塊（block）的網(wǎng)格內(nèi)進(jìn)行密集計(jì)算得到的，其中有若干像素組成一個(gè)單元，若干相鄰的單元組成一個(gè)塊。hog特征描述了圖像局部區(qū)域的梯度強(qiáng)度和梯度方向的分布情況，該分布情況能對(duì)局部對(duì)象外觀和形狀進(jìn)行很好的表征，適合于行人檢測(cè)中肢體的外形變化和自由移動(dòng)

6、。3）opencv監(jiān)控系統(tǒng)中行人檢測(cè)算法的實(shí)現(xiàn)使用opencv開(kāi)發(fā)工具，opencv提供了大量的圖像處理方面的常用函數(shù)，而且是免費(fèi)開(kāi)源的，支持多種操作系統(tǒng)。 但是opencv并不支持所有的視頻編碼格式。三、研究步驟、方法及措施：研究開(kāi)始時(shí)，首先要學(xué)習(xí)視頻和行人的基本特性，了解opencv。接下來(lái)要查找文獻(xiàn)，了解現(xiàn)在行人檢測(cè)技術(shù)的發(fā)展，翻譯文獻(xiàn)，做出開(kāi)題報(bào)告。然后確定算法流程，學(xué)習(xí)opencv工具。接著利用opencv工具實(shí)現(xiàn)行人檢測(cè)算。最后，撰寫(xiě)論文，驗(yàn)收成果并答辯。本文擬采用的流程如下圖2所示。輸入視頻預(yù)處理hog特征提取行人識(shí)別 圖2 行人檢測(cè)流程圖視頻輸入是將通過(guò)攝像機(jī)或相機(jī)等硬件設(shè)備采

7、集到的圖像視頻信息作為信號(hào)輸入行人檢測(cè)系統(tǒng)中。預(yù)處理包括圖像編解碼、圖像處理、圖像分割等，該階段的目的是將感興趣區(qū)域roi分割出來(lái)，作為下一步hog特征提取的輸入信號(hào)。圖像分割又分為靜態(tài)的圖像分割和運(yùn)動(dòng)的圖像分割，前者適合使用背景減除幀差法，后者適合連續(xù)幀幀差法。hog特征提取部分是將感興趣區(qū)域重新編碼，輸出特征向量作為hog特征，其主要思想是用梯度方向分布來(lái)表示行人形狀和直立垂直特性。行人識(shí)別階段是從其它目標(biāo)中區(qū)分出行人，主要通過(guò)行人特定的特征匹配方法，或通過(guò)一般的分類(lèi)方法，例如支持向量機(jī)、神經(jīng)網(wǎng)絡(luò)等來(lái)決定 rois 中是否包含行人。因支持向量機(jī)、神經(jīng)網(wǎng)絡(luò)等方法具有一定的難度，因此本文選用了

8、基于hog特征的行人識(shí)別。在算法實(shí)現(xiàn)過(guò)程中，如何提取hog特征是關(guān)鍵。計(jì)算hog特征大致可以分為如下圖3所示的五個(gè)步驟。輸出特征向量滑動(dòng)窗口計(jì)算圖像特征向量歸一化權(quán)重梯度方向直方圖統(tǒng)計(jì)權(quán)重梯度方向直方圖輸入興趣區(qū)域（roi）圖像標(biāo)準(zhǔn)化與網(wǎng)格設(shè)置計(jì)算圖像梯度 圖3 hog特征提取流程圖hog特征具體計(jì)算過(guò)程如下 假設(shè)用表示一幅圖像，表示圖像在像素點(diǎn)處的灰度值。（1）像素點(diǎn)處的水平梯度和垂直梯度（2）計(jì)算梯度強(qiáng)度和梯度方向 = = （3）將每個(gè)roi圖像分割成若干個(gè)單元（cell），如dalal等人提出的hog 特征是針對(duì)1616 像素大小的block，每個(gè) block又平均分為4個(gè)cell，即每

9、個(gè)cell的大小為88 像素。每個(gè)cell 的特征是其內(nèi)部88個(gè)像素的特征向量之和。 （4）計(jì)算每個(gè)單元格的方向直方圖 假設(shè)將在區(qū)間劃分為個(gè)均勻的區(qū)間(bin)，表示像素點(diǎn)在第個(gè)梯度方向的幅度大小，則：= 其中 那么，像素點(diǎn)處的梯度特征就可以用一個(gè)n維向量表示。（5）歸一化直方圖的每一塊（block） 假設(shè)每一個(gè)block內(nèi)有個(gè)cell，為了消除光照等影響，對(duì)block內(nèi)的cell進(jìn)行歸一化： 表示在單元（cell）中，第個(gè)方向區(qū)間的累計(jì)強(qiáng)度在block中所占的比例，其中，是一個(gè)很小的數(shù)，避免分母為0。而每個(gè)cell可以用n維向量表示，每個(gè)block由m個(gè)cell組成，那么，每一個(gè)block就

10、可以用維向量表示。（6）、將所有歸一化的block串在一起構(gòu)成人體特征向量。行人識(shí)別的計(jì)算方法使用bhattacharyya 距離公式計(jì)算圖像roi區(qū)域和人的模板的hog特征的相似度。：樣本矢量第個(gè)分量 ：模板矢量第個(gè)分量 ：矢量分量的數(shù)量當(dāng)該結(jié)果越大時(shí)，說(shuō)明相似度越高，此時(shí)roi區(qū)內(nèi)有行人。四、研究工作進(jìn)度：進(jìn)度安排：序號(hào)時(shí)間內(nèi)容12012/9/132012/10/8學(xué)習(xí)視頻和行人的基本特性22012/10/92012/10/25現(xiàn)狀查詢(xún)，文獻(xiàn)閱讀（文獻(xiàn)綜述），翻譯，開(kāi)題報(bào)告32012/10/262012/10/31確定算法流程，學(xué)習(xí)編程42012/11/12012/11/30算法的學(xué)習(xí)和實(shí)

11、現(xiàn)52012/12/12012/12/25撰寫(xiě)論文62012/12/262013/1/10成果驗(yàn)收及論文答辯五、主要參考文獻(xiàn)：1 張旭東.行人檢測(cè)技術(shù)研究d.電子科技大學(xué)2011年碩士學(xué)位論文.第3頁(yè)2 李和平，戶(hù)占義，吳毅紅等，基于班建東學(xué)習(xí)的行為建模與異常檢測(cè)j.軟件學(xué)報(bào),2007年3月,18(3):527-5373 張海榮. 視頻圖像中的行人檢測(cè)算法研究與實(shí)現(xiàn)d.東北大學(xué)2009年碩士學(xué)位論文.第6頁(yè)4 chang, shyang-lihyang, fu-tzuwu, wen-pocho, yu-anchen, sei-wang. nighttime pedestrian detection using thermal imaging based on hog feature. proceedings of 2011 international conference on system science and engineering, macau, china - june 2011:694-6985 張旭東.行人檢測(cè)技術(shù)研究d.電子科技大學(xué)2011年碩士