開題報告--監(jiān)控系統(tǒng)中的行人檢測算法的實現(xiàn)(編輯修改稿)
2025-05-11 03:30 本頁面
【文章內容簡介】 的基本特性，了解OpenCV。接下來要查找文獻，了解現(xiàn)在行人檢測技術的發(fā)展，翻譯文獻，做出開題報告。然后確定算法流程，學習OpenCV工具。接著利用OpenCV工具實現(xiàn)行人檢測算。最后，撰寫論文，驗收成果并答辯。本文擬采用的流程如下圖2所示。輸入視頻預處理HOG特征提取行人識別 圖2 行人檢測流程圖視頻輸入是將通過攝像機或相機等硬件設備采集到的圖像視頻信息作為信號輸入行人檢測系統(tǒng)中。預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。圖像分割又分為靜態(tài)的圖像分割和運動的圖像分割，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表示行人形狀和直立垂直特性。行人識別階段是從其它目標中區(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、神經網絡等來決定 ROIs 中是否包含行人。因支持向量機、神經網絡等方法具有一定的難度，因此本文選用了基于HOG特征的行人識別。在算法實現(xiàn)過程中，如何提取HOG特征是關鍵。計算HOG特征大致可以分為如下圖3所示的五個步驟。輸出特征向量滑動窗口計算圖像特征向量歸一化權重梯度方向直方圖統(tǒng)計權重梯度方向直方圖輸入興趣區(qū)域（ROI）圖像標準化與網格設置計算圖像梯度 圖3 HOG特征提取流程圖HOG特征具體計算過程如下 假設用表示一幅圖像，表示圖像在像素點處的灰度值。（1）像素點處的水平梯度和垂直梯度（2）
范文總結相關推薦
鄂ICP備17016276號-1