复杂场景下人的检测方法研究

传统的人的检测方法没有充分利用人的知识与机器学习的优势，无法满足实用要求。本项目将以复杂背景下人的检测为目标，系统地研究知识与样本学习的有机结合,包括:1．研究样本学习方式的模板生成方法，克服传统方法中模型描述的困难。2.利用知识指导特征提取，研究提取更具直观意义的特征，提高学习过程和检测过程的效率。3. 研究按照姿态分类型对样本进行训练学习的方法，去除图像中背景的干扰，提高样本数据的可分性,提高训练学习的效果。4.建立融合知识和样本学习的框架,利用样本进行自适应的规则选择、参数的设置，使得到的规则具有很强的推广能力，将规则与其他外貌特征综合利用，实现人检测过程中多种信息的融合。5.研究能够有效地同时检测静态人体和动态人体，在遮挡、阴影等条件下有好表现的方法。本项目的成果可以广泛应用到安全监控、交通监控、身份识别、辅助驾驶等系统中，也可以推广到一般的目标检测应用中,具有重要的理论意义和实