基于adaboost人体检测算法.pdf

东南大学硕士学位论文Title:Author:Supervisor:School:(cameraf仅ed),foregroundWasextractedfirst,followedbyapplyingAdaBoostclassifierto·Trainingmethod:,plexityoftrainingdecreasedfromO(M·N2)toO(M·NlogⅣ),,000samplesshowedthatimprovedalgorithmtook1/paredwitllthetraditionalone,gettingthesameclassifier.·putation:putationoffeaturesbasedonGPU(GPGPU,usingCUDA)andCPU(multi-thread,usingOpenMP),whichusedthevideocardwittlonly16streamprocessing(SP)units,.·Foregroundextraction:ThebackgroundwasmodeledusingGaussianMixtureModel(OMM).,amethodbasedonthethecorrespondenceamongvideoframeswasintroduced,,,indicatingtheeffective-:humandetection,AdaBoost,HOGfeature,GPGPU,GaussianmixturemodelV第一章绪论目前,计算机广泛应用于各个方面。随着计算能力的提高,越来越多的重复性任务、计算密集型任务以及海量数据处理任务都交由计算机进行处理,其效率更高,准确率也更有保证。自然,人们尝试使计算机能够处理更为智能的任务,例如视觉和听觉信息的分析、理解与推理。人类大脑每天都会进行很多次这一类的处理,以视觉系统为例,日常生活中,我们会见到数以千计的人造和天然的物体。对于任何一个物体类别,其类内差异(intra-classvariation)实际上是很显著的。比如对于“汽车"这一类别,其中就包括了小轿车,旅游大巴,SUV,长途货车等等。这些类型的不同、车颜色的变化以及观察者视角的差异,都不影响其属于“汽车"类别的性质。同样,不管一个人着装如何,摆出何种姿势,是否被别的物体遮挡,背景如何纷乱,我们都能通过视觉判断出这是一个人。但目前计算机远没有这种能力,从这个意义上讲,在处理此种分析推理的问题上,计算机还远不如人。因此,puterVision)和机器智能(MachineIntelligence)研究者的一个目标就是,教会计算机“看",亦即使计算机理解图像和视频的内容。其中一个基本任务就是检测出图像与视频中某种特定类别的物体。此项功能是很多其它高级功能的基础,例如智能人机交互,自主机器人,自动视频监控,数字媒体内容