1. 研究目的与意义
| 本课题研究的背景、目的及意义 |
| 1.1行人精细化识别方法的研究的背景及目的 随着如今科技的发展，传统的靠肉眼去识别行人的方法已经不在适用了。对应社会治安再度提升的要求，监控场景下的行人精细化识别方法的研究便迫在眉急。传统的方法需要耗费大量的人力物力去搜索有效信息，行人作为视频监控中的重要目标之一，若能对其进行有效的外观识别，不仅提高了监控工作人员的工作效率，对视频的检索，行人特征的解析都有重要意义。所以，行人的精细化识别显得尤为重要，行人的精细化识别包括对衣着、背包、发型、帽子等穿戴物的精确识别，其中行人的衣着是最显著的外观特征，其识别的正确性直接影响视频检索中对特定行人的检索。 该课题目前的研究现状，主要表现为对视频中出现的人进行目标提取，然后通过机器学习实现出来。这些大部分都只能实现对行人进行简单的识别，大都不能实现对行人的精细化识别，下面图1是目前较简单的基于HOG和SVM的一个示例。
其次，在包小敏等人的论文《Gabor小波与HOG特征融合的行人识别算法》[9]里，对简单的技术进行了改进。针对传统HOG特征行人检测方法中，当目标存在遮挡以及面对复杂环境条件下，行人识别存在较高漏检率和误检率的问题，提出一种基于Gabor小渡与HOG特征融合(G—HOG)的行人识别算法。利用Gabor小波对样本图像进行特征变换并在尺度和方向上融合，获取Gabor特征图像，利用HoG算子在特征图像上提取目标特征，进行样本分类，获取行人目标的疑似区域；对行人样本进行HOG特征提取与训练，实现对疑似区域的目标识别。实验结果表明，基于G—HOG特征的行人识别算法在INRIA、MIT与Daimler数据库上性能表现良好，能够获取较高的查全率和识别率。 现在对行人精细化识别研究地比较好的，就是马元元的一篇硕士学位论文《视频监控场景下行人衣着识别算法研究》[3]，其中提到针对行人衣着进行有效地识别的各种算法及实现技术。首先，结合HOG算法和Grabcut算法自动对监控图像中的行人进行精确分割；然后，在利用外观划分模型精确地分割出行人的上身和下身后对上下身分别分割成若干个小块；最后，在使用KNN算法分类判断每个块的颜色标签投票决定衣着颜色，最终，使用收集的监控视频图像数据集验证此方法的有效性和实用性。通过他的研究，可对行人衣着颜色或类型的实现有效的识别，识别率可达80%以上。
1.2意义 在对一些场景进行监控时，行人作为主要目标之一，对其有效识别问题的研究尤为重要。若能进行有效的外观识别，配合视频检索技术，不仅可以提高视频监控人员的工作效率，对后面行人行为解析等问题的解决都有重要意义。 行人的精细化检测在很多公共场合都有极大的需求，在实际应用中，可以针对不同的环境和应用需求让其发挥不同的功能。其在不同场合发挥的作用具体可表现为： （1) 在日常司法部门办理各类刑事案件中，视频监控设备记录下来的视频流对案件的侦破往往起着十分关键的作用，办案人员必须依靠肉眼细致查看，才能发现一些蛛丝马迹，前面提到的每天每个摄像头拍下来的数据量都是十分庞大的，单依靠人力很难做到全部浏览，找线索的难度就更大了。但若能对视频中行人衣着颜色或者衣着类型进行有效识别，找线索便可轻松许多，例如直接给定案件中需要查找的犯罪嫌疑人衣着颜色、类型，通过在监控便能快捷的找出嫌疑犯的出现过的位置。 （2) 在一些人数集中的地方，容易出现人员丢失等情况。比如，孩子走失后，在人流较多的地方是比较难找的。就算通过监控视频去一一查找，工作量以及人眼的缺陷也成为人们必须面对的问题之一。这时候，只需要对孩子的衣服特征进行描述，然后通过对其特征的检测，便能较快的找出孩子的位置。这样的方法无疑是准确，快速的。 （3) 对于大型商场市等服饰购买中心，可以根据人们穿的衣服来统计得到人们购买衣服的规律，以此了解和预测顾客的购物需求与喜好，有效组织运营工作，挖掘卖场的销售潜力，最大限度地增加销售营业额。例如，对于新上架商品区域，在进行了顾客购物预测后，便可以上架顾客最喜欢的新服饰。
|
2. 研究内容和预期目标
本课题主要研究内容和预期目标
本课题将会在介绍行人衣着识别相关方法的研究背景、意义等的基础上，对目前已有的行人分割、行人衣着识别的相关方法进行综述。在开始时，需要对没接触过的计算机视觉、机器学习等进行学习。然后在这里将具体介绍了经典的机器学习算法和特征提取两个模块，包括svm算法、knn算法等（见图一），以及hog特征（见图二）等的详细描述与提取方法。同时还有对opencv工具的使用，使得对计算机视觉有了一定了解。最后要求在定位（头部、上身、下身、脚、帽子、包）的基础上研究行人精细化识别算法，自动识别出行人图像中行人的属性特征。标注的行人属性包括性别、头发长度和上下身衣着、鞋子及包的种类和颜色，并提供图像中行人头部、上身、下身、脚、帽子、包位置的标注。
3. 研究的方法与步骤
本课题拟采用的研究方法、步骤
研究开始时，首先要学习图片处理的相关知识，以及了解行人的基本特性，了解opencv、计算机视觉以及机器学习等相关知识。然后查找文献，了解现在对于行人精细化检测研究的现状，制定研究目标，编写开题报告。然后就要确定算法流程，学习对应的技术：
（1）了解和掌握计算机视觉和机器学习的相关知识与算法(opencv,svm等)；
4. 参考文献
2．本课题主要参考文献
[1]csdn.svm[ieb/ol].[2017-04-21].http://blog.csdn.net/lisi1129/article/details/70209945
[2]csdn.hog:从理论到opencv实践[ieb/ol].[2016-04-08].http://blog.csdn.net/mounty_fsc/article/details/51094895
5. 计划与进度安排
| 2022.1.5---- 2022. 2.28查阅资料,撰写开题报告 2022.3.1---- 2022.3.15 需求分析,熟悉开发工具 2022.3.15---- 2022.3.20 概要设计 2022.3.21---- 2022.4.1 详细设计 2022.4.2---- 2022.5.1 编写代码及设计,程序调试 2022.5.2---- 2022.5.5 毕业论文资料收集，撰写论文提纲 2022.5.6---- 2022.5.31 整理设计文档，撰写毕业论文 2022.6.1----2022.6.9 论文修改、系统改进、答辩准备及答辩
|
