基于支持向量机的复杂背景下的人体检测

• 作者: 潘锋 王宣银
• 来源期刊: 中国图象图形学报
• 学科: 工学
• 关键词: 支持向量机 背景相减 运动检测 特征抽取 人体检测
• 年，卷（期）: 2005,（2）
• 所属期刊栏目: 学术论文与技术报告
• 页码范围: 181-186
• 页数: 6页
• 分类号: TP391
• 字数: 3705字
• 语种: 中文
• DOI: 10.3969/j.issn.1006-8961.2005.02.008

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王宣银	浙江大学流体传动及控制国家重点实验室	127	1862	25.0	36.0
2	潘锋	浙江大学流体传动及控制国家重点实验室	12	249	8.0	12.0