基于透视变换采样的平躺人体样本扩充方法

摘要：

平躺人体检测具有很好的学术研究和应用价值。针对平躺人体表观姿态受透视变换的影响较大和样本收集难这两个问题展开研究：首先建立并公开了厦门大学平躺人体检测数据集，该数据集的人体包含各种姿态、视角、衣着颜色、复杂背景等情况；其次提出了一种基于透视变换的样本扩充方法：根据透视变换的摄像机模型将3x3的透视变换矩阵进行分解，使得该矩阵最终只与两个变化范围确定的旋转角相关，方便了采样算法的设计，有效地增加了训练样本的数目和样本表观的多样性，在厦门大学平躺人体数据集上的实验结果表明该方法提高了分类器的性能：当FPPW=10e-4时，漏检率降低了12.4%；当FPPW=10e-5时，漏检率降低了5.75%。可见本文提出的样本扩充方法简单有效。

关键词：平躺人体检测、样本扩充、透视变换、支持向量机、梯度方向直方图

分类号：TP3;TM7

资助基金：国家自然科学基金61202143;高等学校博士学科点专项科研基金项目20090121110032;深圳市科技计划项目-基础研究JC200903180630A;深圳市科技研发基金项目-深港创新圈计划ZYB200907110169A

在线出版日期：2014-01-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：102-112