光照环境变化情况下的人体目标识别算法研究的开题报告

光照环境变化情况下的人体目标识别算法研究的开题报告一、研究背景人体目标识别是计算机视觉领域中的一项重要任务，它涉及到视频监控、人机交互、安防等领域。但是在实际应用中，由于光照环境的变化，使得原有的算法

光照环境变化情况下的人体目标识别算法研究的开题 报告 一、研究背景 人体目标识别是计算机视觉领域中的一项重要任务，它涉及到视频 监控、人机交互、安防等领域。但是在实际应用中，由于光照环境的变 化，使得原有的算法难以进行准确的人体目标检测和识别。因此，为了 解决这个问题，需要对光照环境变化情况下的人体目标识别算法进行深 入研究。 二、研究内容 1.目标检测算法的研究 在光照条件较差的环境下，传统的人体目标检测算法会受到很大的 影响，比如目标边缘模糊、光照不均等。因此，需要研究新的目标检测 算法，使其能够适应光照环境的变化。例如，可以使用YOLO（You OnlyLookOnce）目标检测算法，它能够同时实现较高的准确性和速 度。 2.特征提取算法的研究 为了提高目标识别的准确性，需要通过特征提取算法来提取人体目 标的特征。常用的特征提取算法包括Haar特征、HOG（Histogramsof OrientedGradients）特征、LBP（LocalBinaryPattern）特征等。但 是，在光照环境变化的情况下，这些特征可能不再适用。因此，需要研 究新的特征提取算法，例如使用深度神经网络进行特征提取。 3.目标识别算法的研究 在获取到目标的特征之后，需要进行目标识别。在光照环境变化的 情况下，人体目标的外部特征可能发生变化，这就需要通过内部特征来