基于安卓平臺的行人檢測.pdf

1、近年來，隨著社會的進步，計算機行業(yè)也持續(xù)繁榮發(fā)展。計算機智能視覺技術儼然成為一個熱門的研究方向，其中行人檢測技術廣受研究者們青睞。實際生活中，行人檢測技術具有非常廣泛的用途，如致力于改善交通安全問題的車輛輔助系統(tǒng)，當今社會無處不在的視頻監(jiān)控系統(tǒng)，備受重視的人群數(shù)目預測與管理等，在機器人與高級人機交互等領域也有著很好的應用價值。隨著Android系統(tǒng)在移動端的廣泛應用，它的發(fā)展前景廣受各界人士看好。另外，多種移動端電子產(chǎn)品的體積小、便于攜

2、帶、性能良好等優(yōu)點吸引了大量的用戶，所以，Android系統(tǒng)在移動端的應用市場十分廣闊，因此將行人檢測技術移植到Android平臺上有很大的必要性并且意義深遠。將基于OpenCV的行人檢測移植到Android平臺，這不僅使用戶能夠方便快捷的處理視頻圖像，還拓寬了Android平臺的應用范圍。
　　本文主要考慮到行人檢測與安卓平臺具有良好的發(fā)展前景和廣闊的應用領域，所以在安卓平臺上實現(xiàn)行人檢測。論文的主要工作內(nèi)容羅列如下:
　

3、　1.對Android系統(tǒng)進行概述，包括Android系統(tǒng)的誕生發(fā)展與繁榮。詳細描述了Android系統(tǒng)的組成框架與結構、生命周期、四大組件和應用進程的工作過程等。
　　2.詳細介紹了行人檢測技術中的基本行人特征，如SIFT特征、HOG特征與LBP特征。學習了傳統(tǒng)的訓練行人檢測分類器的算法，如SVM算法。另外，研究了利用Adaboost框架訓練級聯(lián)分類器的整個過程，并將此運用于本次實驗中。此后將因掃描多尺度圖片產(chǎn)生的多個矩形框利用

4、并查集技術進行融合。
　　3.選擇INRIA數(shù)據(jù)集作為本項目實驗的訓練集與測試集，另外測試集還包括現(xiàn)場拍照與加載本地圖片?？紤]到HOG單一特征的不足和LBP特征對它的性能的一些補充作用，本項目結合LBP和HOG兩個特征來表征行人。由于聯(lián)合特征的維數(shù)增加，利用SVM分類器進行行人檢測時間消耗較大，所以使用Adaboost算法訓練級聯(lián)分類器，降低了算法的復雜性增加了行人檢測的正確率。
　　4.搭建實驗編碼的環(huán)境，首先搭建Andr