题目：基于人群遮挡情况下的行人检测技术研究

在目标检测技术的研究中，由于行人检测拥有巨大的市场前景和广泛的应用场合：如银行、商店、矿井、机场、火车站和停车场等对安全较为敏感场合的异常情况（比如人流量过多，聚众闹事）的自动报警、远距离的人的身份鉴别、公共场所行人拥挤状态分析及商店中消费者流量的统计、汽车辅助驾驶、虚拟现实技术中人体动作的建模等。之前绝大多数的研究都是针对姿态形变的行人检测的检测精度、速度的提高。而本文则是针对人群遮挡、粘连情况下的行人检测，精确计算出人群中行人的个数和位置精度。本文的主要工作包括如下几个方面：

首先，在人群经常发生遮挡的情况下，整体的行人特征往往都有缺失和不完整，本文采用了部位组合特征（Deformable Part Model）的方法来解决这一问题。将整体目标分割为几个关键部位头、腿、躯干等部位进行检测，将检测出来的各部位相对位置关系和概率得分作为识别中很关键的一个特征。

其次，本文提取行人特征的时候不仅提取了行人的梯度轮廓特征，还提取了包括行人在颜色空间中的颜色特征、行人所占前景的密度特征等。

最后，为了精确地区分多个粘连在一起的、有部分互相重叠的多个行人，本文提出了一个非相似度的模型来做判断。用来分割互相粘连、遮挡的单个行人。由于本文特征提取的方式结合了部位模型的梯度信息、颜色统计信息、前景密度信息等，而这些类别的信息是属于没有相互联系的底层特征，本文采用了多层的有限波尔茨曼（Restrict Boltzman Mchine）机对这些无统一规则的底层特征进行了无监督的聚类、学习，从而获得一个含高层语义信息的特征。有效的提高了在人群遮挡情况下单个行人检测的精度。