開題報(bào)告--監(jiān)控系統(tǒng)中的行人檢測算法的實(shí)現(xiàn)

1、<p>　　畢業(yè)設(shè)計(jì)（論文）開題報(bào)告</p><p>　　一、綜述本課題國內(nèi)外研究動(dòng)態(tài)，說明選題的依據(jù)和意義</p><p>　　科學(xué)技術(shù)的快速發(fā)展，在給人帶來利益和便利的同時(shí)，也給人帶來了安全隱患。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)）越來越受到人們的重視?？v觀各種影

2、響社會(huì)安全穩(wěn)定的事件，給人們帶來嚴(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)行人檢測將可以避免巨大的人身、經(jīng)濟(jì)等損失，也成為了國內(nèi)外研究的熱點(diǎn)。</p><p>　　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)室以及中國科學(xué)院自動(dòng)化研究所等是國內(nèi)在行人檢測研究上比較著名的高?；蜓芯繖C(jī)構(gòu)。而且，中國科學(xué)院自動(dòng)化研究所的生物識(shí)別與安全技術(shù)研究中心開發(fā)的人臉識(shí)別系統(tǒng)已經(jīng)投入使

3、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)的異常檢測和行為建模算法。國外著名的智能監(jiān)控系統(tǒng)有IBM的智能監(jiān)控系統(tǒng)和以色列的IOImage</p><p>　　公司推出的智能監(jiān)控系統(tǒng)。另外，卡耐基梅隆大學(xué)開發(fā)的 NabLab.10 系統(tǒng)已經(jīng)應(yīng)用于汽車的檢測系統(tǒng)。雖然國內(nèi)的監(jiān)控系統(tǒng)行業(yè)近些年發(fā)展較快，但是和國外

4、相比仍有一定的差距。</p><p>　　監(jiān)控系統(tǒng)中行人檢測技術(shù)研究至今，比較成熟的算法主要有Leibe等人基于 “局部特性的編碼”進(jìn)行的行人檢測、Oliver等人利用邊緣圖像來對(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的行人檢測算法等。而在所有的行人檢測技術(shù)，基本都包括了運(yùn)動(dòng)目標(biāo)檢測和運(yùn)動(dòng)目標(biāo)識(shí)別兩個(gè)關(guān)鍵技術(shù)。</p><p&

5、gt;　　運(yùn)動(dòng)目標(biāo)檢測是指通過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，并通過圖像處理技術(shù)將運(yùn)動(dòng)目標(biāo)分割出來。運(yùn)動(dòng)目標(biāo)的檢測是運(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)目標(biāo)檢測階段獲得的運(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。</p><p>　　OpenCV 是著名的開

6、源的計(jì)算機(jī)視覺的函數(shù)庫，由大量的 C 函數(shù)和 C++類構(gòu)成作為接口，實(shí)現(xiàn)了圖像處理和計(jì)算機(jī)視覺方面的很多通用算法。而且OpenCV中的機(jī)器學(xué)習(xí)函數(shù)庫實(shí)現(xiàn)了機(jī)器學(xué)習(xí)研究領(lǐng)域中比較常見、應(yīng)用較為廣泛的學(xué)習(xí)方法，包括了貝葉斯分類器、K 鄰近算法、支持向量機(jī)、決策樹、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。</p><p>　　二、研究

7、的基本內(nèi)容，擬解決的主要問題：</p><p>　　監(jiān)控系統(tǒng)的行人檢測算法的實(shí)現(xiàn)主要包括運(yùn)動(dòng)目標(biāo)檢測和運(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。</p><p><b>　　1）幀差法</b></p><p>　　幀差法是指通過當(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

8、</p><p>　　中間幀運(yùn)動(dòng)對(duì)象的輪廓。通過該方法可以獲得ROI（感興趣區(qū)域）區(qū)域，進(jìn)一步縮小檢測區(qū)域。</p><p><b>　　2）HOG特征</b></p><p>　　HOG特征是在被稱為單元（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

9、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，適合于行人檢測中肢體的外形變化和自由移動(dòng)。</p><p><b>　　3）OpenCV</b></p><p>　　監(jiān)控系統(tǒng)中行人檢測算法的實(shí)現(xiàn)使用OpenCV開發(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)開源的，支持多種操作系統(tǒng)。 但是OpenCV并不支持所有的視

10、頻編碼格式。</p><p>　　三、研究步驟、方法及措施：</p><p>　　研究開始時(shí)，首先要學(xué)習(xí)視頻和行人的基本特性，了解OpenCV。接下來要查找文獻(xiàn)，了解現(xiàn)在行人檢測技術(shù)的發(fā)展，翻譯文獻(xiàn)，做出開題報(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)行人檢測算。最后，撰寫論文，驗(yàn)收成果并答辯。</p><p>　　本文擬采用的流程如下

11、圖2所示。</p><p>　　圖2 行人檢測流程圖</p><p>　　視頻輸入是將通過攝像機(jī)或相機(jī)等硬件設(shè)備采集到的圖像視頻信息作為信號(hào)輸入行人檢測系統(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，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

12、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，主要通過行人特定的特征匹配方法，或通過一般的分類方法，例如支持向量機(jī)、神經(jīng)網(wǎng)絡(luò)等來決定 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，因此本文選用了基于HOG特征的行人識(shí)別。</p><p>　　在算法實(shí)現(xiàn)過程中，如何提取HOG特征是

13、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。</p><p>　　圖3 HOG特征提取流程圖</p><p>　　HOG特征具體計(jì)算過程如下 </p><p>　　假設(shè)用表示一幅圖像，表示圖像在像素點(diǎn)處的灰度值。</p><p>　　（1）像素點(diǎn)處的水平梯度和垂直梯度</p><p>　?。?）計(jì)

14、算梯度強(qiáng)度和梯度方向</p><p><b>　　=</b></p><p><b>　　=</b></p><p>　?。?）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)16×16 像素大小的block，每個(gè) block又平均分為4個(gè)cell，即每個(gè)cell的大小為8&

15、#215;8 像素。每個(gè)cell 的特征是其內(nèi)部8×8個(gè)像素的特征向量之和。</p><p>　　（4）計(jì)算每個(gè)單元格的方向直方圖</p><p>　　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：</p><p><b>　　= 其中</b></p><p>　　那么

16、，像素點(diǎn)處的梯度特征就可以用一個(gè)N維向量表示。</p><p>　?。?）歸一化直方圖的每一塊（block）</p><p>　　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：</p><p>　　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

17、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就可以用維向量表示。</p><p>　?。?）、將所有歸一化的Block串在一起構(gòu)成人體特征向量。</p><p><b>　　行人識(shí)別的計(jì)算方法</b></p><p>　　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。&

18、lt;/p><p>　　：樣本矢量第個(gè)分量 </p><p><b>　?。耗０迨噶康趥€(gè)分量</b></p><p><b>　?。菏噶糠至康臄?shù)量</b></p><p>　　當(dāng)該結(jié)果越大時(shí)，說明相似度越高，此時(shí)ROI區(qū)內(nèi)有行人。</p><p><b>　　四、研究工

19、作進(jìn)度：</b></p><p><b>　　五、主要參考文獻(xiàn)：</b></p><p>　　[1] 張旭東.行人檢測技術(shù)研究[D].電子科技大學(xué)2011年碩士學(xué)位論文.第3頁</p><p>　　[2] 李和平，戶占義，吳毅紅等，基于班建東學(xué)習(xí)的行為建模與異常檢測[J].軟件學(xué)報(bào),2007年3月,18(3):527-537<

20、/p><p>　　[3] 張海榮. 視頻圖像中的行人檢測算法研究與實(shí)現(xiàn)[D].東北大學(xué)2009年碩士學(xué)位論文.第6頁</p><p>　　[4] Chang, Shyang-LihYang, Fu-TzuWu, Wen-PoCho, Yu-AnChen, Sei-Wang. Nighttime Pedestrian Detection Using Thermal Imaging Based o

21、n HOG Feature. Proceedings of 2011 International Conference on System Science and Engineering, Macau, China - June 2011:694-698</p><p>　　[5] 張旭東.行人檢測技術(shù)研究[D].電子科技大學(xué)2011年碩士學(xué)位論文.第11頁</p><p>　　[6] 車

22、志富，苗振江，王夢(mèng)思. 地鐵視頻監(jiān)控系統(tǒng)中的行人檢測研究與應(yīng)用[J]. 現(xiàn)代城市軌道交通.2010年2月：31-36</p><p>　　六、指導(dǎo)教師審核意見： </p><p>　　指導(dǎo)教師簽字： </p><p><b>　　年　　月　　日</b></p><p>　　七、系（教研室）評(píng)議

23、意見： </p><p>　　系（教研室）主任簽字： </p><p><b>　　年　　月　　日</b></p><p>　　八、開題小組評(píng)審意見：</p><p>　　開題小組負(fù)責(zé)人簽字：　　　　 </p><p><b>　　年　　月　　日</