摘 要

移动目标检测是计算机视觉领域的一个关键问题和研究热点，它主要是用相应的方法来将视频序列中感兴趣的目标分离出来，融合了机器学习、图像处理、模式识别、人工智能等许多先进的技术，在自动驾驶、智能监控、机器人等领域都具有广阔的发展前景和应用价值。

本文主要研究了将可变形部件模型应用于移动目标检测中，由于HOG（Histogram of Oriented Gradient）特征能在光照、形状变化以及复杂环境下表现出较强的鲁棒性，因此本文选取HOG特征来作为描述移动目标的特征，并利用HOG特征图像金字塔来检测不同尺寸大小的图像。在提取目标特征信息后，利用隐支持向量机LSVM来对其进行训练，然后在PASCAL VOC数据集上进行目标检测测试。

实验结果表明，此算法在PASCAL VOC数据集上取得了良好的效果，体现了较好的检测性能，体现出了可变形部件模型良好的鲁棒性和识别力。

关键词：移动目标检测，HOG特征，可变形部件，窗口扫描

Abstract

Moving target detection is a key problem in the field of computer vision and research hotspot, it mainly use the appropriate method to isolate the target of interest in video sequences, a blend of machine learning, image processing, pattern recognition, artificial intelligence, many advanced technologies such as in the field of automatic driving, such as intelligent surveillance, robot has wide development prospects and application value.

This paper mainly studied deformable component models used in moving target detection, due dates (Histogram of Oriented Gradient) characteristics can under the complex environment of light, changes in shape or show the strong robustness, therefore this article selects HOG features to describe the characteristics of the moving target, and HOG feature image pyramid is used to detect the image of different size. After extracting the target feature information, the LSVM was trained by the implicit support vector machine LSVM, and the target test was tested on the PASCAL VOC data set.

The experimental results show that this algorithm in PASCAL VOC data sets has obtained the good effect, embodies the good detection performance, can reflect the deformation component model good robustness and discrimination.

Key words: moving target detection，HOG features，Deformable parts，Window scan

目 录

第一章 绪论 1

1.1 移动目标检测的目的和意义 1

1.2 移动目标检测国内外现状 1

1.3 论文研究内容和组织结构 2

第二章 移动目标检测算法 4

2.1 光流法 4

2.2背景差分法 4

2.3 帧差法 5

第三章 基于可变形部件模型的目标检测 6

3.1 方向梯度直方图 6

3.2 图像金字塔 7

3.3 可变形部件模型简介 8

3.4 可变形部件模型的检测过程 9

3.5 DPM训练过程 9

3.5.1 支持向量机(SVM) 10

3.5.2 隐支持向量机（Latent SVM） 10

3.5.3 模型训练的主要过程 11

3.6 本章小结 12

第四章 移动目标检测算法的实现 13

4.1 实验仿真 13

4.2 实验结果及分析 14

第五章 总结与展望 19

参考文献 20

附 录 21

致 谢 28

第一章 绪论

1.1 移动目标检测的目的和意义

随着科技的发展，计算机逐渐能够帮助甚至是代替人类完成一些以前看似只能由人类完成的任务，计算机视觉领域的研究成为了如何让计算机更好的服务于人类的热点，计算机视觉这项新兴学科以图像处理为基础并逐渐发展起来，目前正处于科技前沿的研究领域。并且由于各种视觉算法的成熟、计算机的普及以及视频采集设备价格的下降和功能的进步等原因，计算机视觉学科正在迅速的发展壮大。因为计算机视觉是以几何、物理还有机器学习理论为基础来对模型进行建立，然后对数据使用统计方法进行处理，因此计算机视觉研究与人类或者动物的视觉研究不一样。

目前，移动目标检测是国际计算机视觉领域的一个研究热点。随着科技和传感器技术的不断提高，移动目标检测中融入了例如红外、声纳、雷达等各种不同领域的技术。并且受到设计系统的软件硬件成本以及技术等方面的限制，开始只有军事领域会应用这些移动目标检测技术。但是进几年来，移动目标检测随着摄像机的价钱下跌和功能进步成为了图像处理等领域的科研热门，而且还被应用于监控、工业、交通、医疗和工业等与人类生活密切相关的方面中^[1]。

智能视频分析IVS (Intelligent Video System)技术是指对图像和视频使用计算机模式识别算法进行视觉分析的技术,将视频场景背景和目标分离并对场景内目标进行分析。智能视频分析中的一个关键算法就是移动目标检测算法,它是实现视频智能化的一项重要技术,也是该系统对视频进行后续处理的必经流程。在移动目标检测性能和智能视频分析系统性能的提高方面都有重要帮助。单独使用移动目标检测算法也可检测和计数一定区域内的人体和车辆,有很大的发展前景。

基于可变形部件模型的目标检测算法由P. Felzenszwalb于2008年提出,是一种高效的目标检测方法^[2]。近年来，可变形部件模型在解决目标检测问题上被用到的越来越多。可变形部件模型不仅能综合考虑目标的整体信息，而且还考虑到了各部分的表象信息和空间关系，和基于整体相比可以提取到更加丰富的信息，因此更加优秀的应用于复杂目标的检测系，和基于整体相比可以提取到更加丰富的信息，因此更加优秀的应用于复杂目标的检测和识别过程。

1.2 移动目标检测国内外现状

近年来，随着智能终端的普及和物联网的高速发展，移动目标检测技术作为图像处理与计算机视觉的重要分支，被应用于智能机器人导航、视频监控、工业检测、航空航天等领域，吸引了国内外学者的广泛关注，成为了近年来机器视觉领域的研究热点。