摘要：在工业视频监控场景中,由于复杂背景、人体多姿态和人体遮挡等因素的影响,现有人体检测算法存在着准确率不高、模型泛化能力不强等显著问题。针对以上问题,基于特征图像金字塔和多尺度感受野理论,设计了一种检测网络的特征融合方式和特征图的生成策略,依靠轻量级的特征图像金字塔技术,并结合数据增强、锚点框匹配策略和遮挡损失函数等优化方法,进而提出了一种基于深度神经网络的人体检测算法EFIPNet。同时,为了充分验证EFIPNet算法的有效性,共建立了4个多元化的复杂监控场景下的人体数据集,其中涉及50种常见的人体行为。算法的有效性验证表明,新设计的高效人体检测算法可以有效地提高人体目标的检测精度,实现复杂监控场景下的人体精确和实时检测。此外,为了验证EFIPNet算法中不同模块的有效性,采用消融研究方法分析了网络中主要模块对人体检测模型性能的影响。在Person数据集上,EFIPNet算法在保持45帧/s检测速度的同时,相比于单发多盒检测器检测算法,将人体目标的检测精度提升了4.34%。

摘要：针对照明系统中对人体检测的需求,提出了基于改进YOLOv3的嵌入式机器视觉系统实现人体检测与定位。通过红外摄像头采集红外人体图像制作数据集;对YOLOv3进行改进并训练得到轻量化的人体检测模型,通过网格图方法由人体矩形框坐标得到人体的空间坐标。改进的YOLOv3人体检测模型的准确率提升了3.26%,参数量减少了96.01%、计算量减少了91.04%和模型体积减少了96.00%,经过模型转换后部署在带有神经网络处理器的K210嵌入式平台上,实现准确的人体检测和定位。在实际照明环境中对系统进行测试,系统的检测速度达到每秒16帧并取得了好的检测效果。实验结果表明,本文提出的人体检测和定位方法可以在嵌入式平台上实现且具有好的性能。

摘要：为了实现广角镜视频图像中的人体检测,设计并实现了基于黑板模式的室内人体检测系统。该系统算法通过排除非人体目标实现人体检测。实验结果表明基于黑板模式的人体检测方法有效,即使在人体局部遮挡、头部旋转和皮肤颜色差异的情况下也同样适用。为使用广角镜摄像机进行室内人体检测提供了一种可行的方法。

摘要：常用的人体检测方法多是基于经验风险最小化原理的传统统计理论,其性能只有在样本趋于无穷大时才有理论上的保证,而在实际应用中,学习样本通常是有限的。针对传统统计理论在人体检测中存在的不足,提出了一种基于统计学习理论———支持向量机(SVM)的人体检测方法,利用彩色空间对背景进行自适应建模提取运动目标,然后使用训练好的SVM进行验证是否是人体。为了简化SVM分类器的设计及提高机器学习的效率,提出了一种星形向量表示法用于抽取目标的特征向量,并且用实验方法得到了这种表示法的最优表示。将SVM与ANN进行比较,并且对不同内积函数的SVM的性能也进行了比较。实验结果表明,SVM的性能要优于ANN,并且采用径向基函数的SVM性能最好。该方法鲁棒性强,正确率高,解决了复杂背景下运动人体实时检测的一些关键问题。

摘要：室内视频监控的客流量统计场景由于背景光照变化、人群拥挤等因素影响,导致背景更新、目标提取和识别的准确率较低,同时由于算法的实时性满足不了高帧率视频(60 fps)的要求,使得识别统计的准确率低于95%。针对以上问题设计室内人体检测识别算法,首先通过将运行期均值法与高斯混合背景建模相结合,根据像素值进行去重合并,以减少相似像素重复计算,并将噪音点在一定范围内采用均值法,进一步从实时性上提高背景提取效果;其次通过自适应阈值法,根据区域光照强度变化,自适应调节分割阈值,从而避免光照不均而影响检测结果;识别采用一种基于AdaBoost的人体头肩定位与最短距离分类器相结合的方法对人体进行识别,根据运动物体的实际位置,对人体头肩进行初步定位,然后提取关于人体头部的特征量:圆形度、肩宽比等,最后通过结合最短距离分类器,对人体进行分类识别。在高帧率视频实验中对复杂多人的每帧图片的处理耗时基本在15 ms以内,人体识别准确率达到98%。实验证明方法能够解决复杂变化背景与多人场景下的高帧率视频多目标人体检测、识别与统计。

摘要：首先介绍Haar特征,然后介绍用于分类器训练的Adaboost算法,该方法训练的级联分类器用于人体检测时虽然具有很高的检测率,但虚警率较高.为了保持检测率,降低虚警率,在原有分类器的基础上再训练两个分类器,一个是利用头肩样本训练的分类器,另一个是利用腿部样本训练的分类器.实验证明:该方法设计的分类器在保持较高的检测率的同时其虚警率比原方法设计的分类器降低一个数量级.

摘要：针对视频图像中人体运动形态多变、方向不确定等问题,提出了一种基于肤色分割的视频人体检测算法。采用改进的帧间差分方法求得自适应背景,与背景差相结合进行运动目标粗分割,在粗分割范围内进行肤色分割。在肤色分割时,利用YCbCr色彩空间的自适应亮度分段椭圆肤色模型及形态学操作、约束性条件等后处理确定人脸区域,得到人体目标。实验结果表明,该方法能有效地检测视频中的人体目标,与同类方法相比,该方法的时间复杂度更低,因而能更好地满足视频处理的实时性要求。

摘要：为解决现有人体检测方法对遮挡、姿态变化人体漏检率高的问题,提出一种鲁棒的人体检测方法。将人体划分为7个区块,针对不同区块提取方向梯度直方图特征,采用支持向量机方法进行训练,得到各个区块的检测器,用于描述相应的区块;将相同类型的区块组成一个聚类,在7个区块聚类上构建马尔科夫随机场区块聚类模型;采用变分法进行推理,求取模型最优解,检测人体目标。实验结果表明,与目前主流的人体检测方法相比,该方法的平均漏检率低,对人体遮挡和姿态变化的鲁棒性强。

摘要：本文提出了一种基于VC0701和热释电红外传感器实现的人体检测系统的设计方法。该系统在高噪声环境下,尤其是户外,具有较高的人体识别率。

摘要：人体检测是家用医疗机器人完成室内送药的关键。本文从基于OpenCV的人脸与手部检测和基于深度摄像头的骨骼检测研究出发,设计一种高效的人体检测系统,实现室内复杂环境中人体特征的检测、目标人体的精确定位和人体手部位置的确定。