Pedestrian Detection using a boosted cascade of Histogram of Oriented Gradients.
Visualitza/Obre
Estadístiques de LA Referencia / Recolecta
Inclou dades d'ús des de 2022
Cita com:
hdl:2099.1/22837
Tipus de documentProjecte/Treball Final de Carrera
Data2014-09-10
Condicions d'accésAccés obert
Llevat que s'hi indiqui el contrari, els
continguts d'aquesta obra estan subjectes a la llicència de Creative Commons
:
Reconeixement-NoComercial-SenseObraDerivada 3.0 Espanya
Abstract
[ANGLÈS] Pedestrian detection has been an active area of research in recent years; its interest relies on the potential positive impact on quality of life of the related applications (surveillance systems, automotive safety, robotics, multimedia content analysis, assistive technology and advanced interactive interfaces, among others). The large variability of human appearances, poses and context conditions makes pedestrian detection to be one of the most challenging tasks in computer vision. Although many significant approaches have been proposed lately, pedestrian detection still offers a wide framework of improvement, mainly in terms of accuracy and efficiency. The present thesis aims to study the influence of different training parameters values on the performance of a pedestrian detector. First, a pedestrian detector, using a boosted cascade of Histograms of Oriented Gradients, is built from scratch. Afterwards, a sensitivity analysis is carried out taking into account significant variables, such as the number of training samples, the feature (HOG) or classifier (SVM) parameters, the feature selection technique, the negatives resampling treatment and the typology of the employed weak classifier. [CASTELLÀ] La detección de personas ha sido un área de investigación muy activa en los últimos años; su interés se basa en el gran impacto positivo que las aplicaciones derivadas (sistemas de vigilancia, seguridad en automóviles, robótica, análisis de contenido multimedia, tecnología de ayuda a discapacitados e interfaces interactivas, entre otras) pueden tener sobre la calidad de vida diaria. La gran variabilidad de la apariencia humana, múltiples poses y condiciones del entorno, hace que la detección de personas sea una de las tareas más difíciles de resolver en visión artificial. Aunque últimamente se han propuesto diversas soluciones significativas, la detección de personas todavía ofrece un amplio marco de mejora, sobretodo en términos de precisión y eficiencia. El presente proyecto tiene como objetivo estudiar la influencia sobre el desempeño de un detector de personas de los distintos parámetros de entrenamiento. En primer lugar, se desarrolla un detector de personas desde cero, utilizando una cascada impulsado de histogramas de Gradientes Orientados. Posteriormente, se lleva a cabo un análisis de sensibilidad teniendo en cuenta las variables de entrenamiento más importantes, como son el número de muestras, las características extraídas (HOG) o el algoritmo de clasificación (SVM), la técnica de selección de características, el tratamiento de las muestras negativas y la tipología de clasificador empleado. [CATALÀ] La detecció de persones ha estat una àrea de recerca molt activa en els últims anys; el seu interès es basa en el gran impacte positiu que les aplicacions derivades (sistemes de vigilància, seguretat en automòbils, robòtica, anàlisi de contingut multimèdia, tecnologia d'ajuda a discapacitats i interfícies interactives, entre d'altres) poden tenir sobre la qualitat de vida diària. La gran variabilitat de l'aparença humana, múltiples posicions i condicions d’entorn, fa que la detecció de persones sigui una de les tasques més difícils de resoldre en visió artificial. Encara que últimament s'han proposat diverses solucions significatives, la detecció de persones encara ofereix un ampli marc de millora, sobretot en termes de precisió i eficiència. El present projecte té com a objectiu estudiar la influència sobre el funcionament d'un detector de persones dels diferents paràmetres d'entrenament. En primer lloc, es desenvolupa un detector de persones des de zero, utilitzant una cascada impulsat d'histogrames de Gradients Orientats. Posteriorment, es duu a terme una anàlisi de sensibilitat tenint en compte les variables d'entrenament més importants, com són el nombre total de mostres, les característiques extretes (HOG) o l'algoritme de classificació (SVM), la tècnica de selecció de característiques, el tractament de les mostres negatives i la tipologia de classificador emprat.
TitulacióENGINYERIA DE TELECOMUNICACIÓ (Pla 1992)
Fitxers | Descripció | Mida | Format | Visualitza |
---|---|---|---|---|
THESIS_CristinaRuizSancho.pdf | 3,319Mb | Visualitza/Obre |