计算机视觉 论文结论,有关计算机视觉的课程论文(2)

有关计算机视觉的课程论文篇二

《计算机视觉——行人检测方法改进》

摘要：该文在阐述行人检测方法改进的主要思路、范围和方法的基础上，进一步对行人检测所使用的统计方法和特征进行了分析比较，提出了基于融合分类器的行人检测算法，并在检测前先进行前景标注，然后再在带标注的图像上进行行人检测。

关键词：计算机视觉;行人检测方法;改进;级联分类器

计算机视觉对于人类的影响是重大的，它伴随着计算机的蓬勃发展成为了一个不可或缺的分支。毫无疑问视觉信息在我们的日常生活中具有重要的地位。如果计算机能够像人类那样理解摄像机捕捉到的视觉信息，则会给我们的生活带来巨大的影响和帮助。然而目前对于计算机视觉的研究还不是很成熟的，比如小孩到了4、5岁的时候就能在轻易地分辨出图像卡片中的树、人、车等不同类别的物体，还能区别不同的树，如杨树、柳树、果树等，在这方面，计算机明显还存在着巨大的不足之处。

该文针对计算机视觉中的行人检测部分做了深入的研究，力求能让计算机能够高速高质量的辨别一段视频中的人。下面详细的对所做的实验的方法以及结果做以介绍。

1行人检测方法改进的主要思路

实验的主要思路为在行人检测研究时，根据现有的级联分类器的不足之处，提出了融合两个级联分类器来进行行人检测的方法。具体采用了表观特征向量来描述人体，并结合统计学习的分类方法来检测视频中的行人。为了保证融合分类器的检测性能和实时性，融合的两个分器分别选取了类Haar特征分类器和Shapelet特征分器，前者作为第一级分类器，后者作为第二级分类器。提出了使用Haar-like结合人体头肩的特征和Shapelet结合人体头肩的特征来描述人体;在分类器训练时，采用的是Gentle-Adaboost机器学习算法;并且为提高分类器检测速度，首先对视频序