保持稀疏重构的半监督字典学习在扶梯场景下的应用

摘要

基于目标检测、场景识别的行人安全检测手段已经成为扶梯安全监测领域的新思路,经过优化的图像识别算法可以在高速GPU平台上对视频进行实时分析.针对复杂的扶梯场景,通过增量张量子空间的背景模型分割前景获得目标的运动区域后,需要快速、准确地判断该运动区域是否为人体.该文研究了基于保持稀疏重构的思想,迫使跟踪结果中确实是目标本身的数据共享少量字典模板,排除目标运动区域像素被噪声污染或被其他物体遮挡的可能性,进而采用半监督字典学习的方法,剔除跟踪结果中的非目标样本,同时也为下一步鲁棒的人体跟踪提供了可靠的模板.