版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡介
1、行人檢測是計(jì)算機(jī)視覺領(lǐng)域重要的研究方向,其涉及到數(shù)學(xué)、模式識(shí)別、人工智能和機(jī)器學(xué)習(xí)等多學(xué)科的知識(shí)。行人檢測在智能交通領(lǐng)域(如車輛安全、視頻監(jiān)控和自動(dòng)駕駛系統(tǒng)等)具有廣泛的應(yīng)用前景。因此,對(duì)行人檢測的研究具有極大的理論意義和實(shí)際應(yīng)用價(jià)值。然而,由于行人檢測受到光照變化、遮擋以及人體自身變化大等因素的影響,設(shè)計(jì)一個(gè)高效的行人檢測算法仍是一項(xiàng)具有挑戰(zhàn)的任務(wù)。
近年來,一些經(jīng)典的圖像特征的提出使得行人檢測方法的性能有了長足的進(jìn)步。然而
2、,人為設(shè)計(jì)的特征仍然存在著一些局限性。本文針對(duì)靜態(tài)圖像的行人檢測中多特征信息融合的問題展開了三個(gè)方面的研究。本文主要工作和創(chuàng)新之處概括如下:
(1)提出了一種基于多特征融合的行人檢測方法。由于單個(gè)特征在設(shè)計(jì)時(shí)往往只考慮某些特定的視覺特性(如顏色、梯度和紋理等),因此其具有一定的局限性。多特征的融合有助于結(jié)合多個(gè)特征的優(yōu)點(diǎn)來提高行人檢測的性能。然而多特征的融合會(huì)導(dǎo)致高維數(shù)據(jù)的產(chǎn)生,因此引入一種有效的降維方法具有重要意義。傳統(tǒng)的偏
3、最小二乘(Partial Least Squares,PLS)降維方法已經(jīng)在特征降維中展現(xiàn)了其良好的性能。我們?cè)谄浠A(chǔ)上提出了一種基于正則加權(quán)最小二乘(RegularizedWeighted Least Squares,RWLS)的PLS方法,用于行人檢測中多特征融合后的特征降維。在該方法中,為了最小化樣本殘差,我們構(gòu)造了一個(gè)RWLS的目標(biāo)函數(shù),并在其中增加了一個(gè)判別項(xiàng)用于更好地區(qū)分正負(fù)樣本。最終,通過求解該目標(biāo)函數(shù)可以得到更加魯棒的潛
4、在矩陣和權(quán)重(投影)矩陣。實(shí)驗(yàn)結(jié)果證明,本文提出的多特征融合的方法不僅可以有效地融合多特征的優(yōu)點(diǎn),同時(shí)可以極大地減少了特征融合帶來的計(jì)算復(fù)雜度。
(2)提出了一種基于加權(quán)稀疏偏最小二乘方法(Weighted Sparse PartialLeast Squares,WSPLS)的行人檢測方法。在行人檢測中,通過積分技術(shù)對(duì)不同的圖像特征通道進(jìn)行快速計(jì)算的方法得到了廣泛的關(guān)注,其中基于積分通道特征的方法是其代表性工作之一。本文在積分
5、通道特征方法(如Locally DecorrelatedChannel Features,LDCF)的基礎(chǔ)上,為了能利用特征選擇去除高維特征中的冗余和不相關(guān)信息,提出了一種基于WSPLS的行人檢測方法。在該方法中,結(jié)合(1)中得到的優(yōu)化后的潛在矩陣和稀疏偏最二乘法(Sparse Partial Least Squares,SPLS)訓(xùn)練稀疏權(quán)重矩陣。最后,利用稀疏權(quán)重矩陣的稀疏特性選擇積分通道特征用于訓(xùn)練決策樹分類器,同時(shí)把每個(gè)特征在稀
6、疏權(quán)重矩陣中的加權(quán)信息與每個(gè)決策樹相結(jié)合,訓(xùn)練出更加魯棒的行人檢測分類器。實(shí)驗(yàn)結(jié)果表明,基于WSPLS的特征選擇和權(quán)重信息融合的方法,不僅可以去除人體特征中大部分冗余和不相關(guān)信息,而且可以訓(xùn)練出更加魯棒的行人分類器。
(3)提出了一種基于局部多特征共生性(Local Multiple Feature Co-occurrence,LMFC)的行人檢測方法。(2)中提出的WSPLS方法,在對(duì)積分通道特征進(jìn)行選擇時(shí),只選擇單個(gè)特征用
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于特征融合的靜態(tài)圖像行人檢測.pdf
- 靜態(tài)圖像下多特征融合的行人檢測方法研究.pdf
- 基于多特征融合的紅外圖像行人檢測研究.pdf
- 基于多特征融合的行人檢測方法研究.pdf
- 基于深度卷積特征融合的多尺度行人檢測.pdf
- 基于多特征融合的分級(jí)行人檢測方法研究.pdf
- 基于多特征融合行人檢測系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn).pdf
- 基于多異構(gòu)特征融合的行人檢測系統(tǒng)研究.pdf
- 基于特征融合的行人檢測研究.pdf
- 多特征融合的行人檢測算法研究.pdf
- 靜態(tài)圖像上的行人檢測方法研究.pdf
- 基于特征融合和運(yùn)動(dòng)信息的行人檢測算法的研究.pdf
- 基于多特征信息融合的圖像檢索技術(shù)研究.pdf
- 基于多尺度信息融合的SAR圖像邊緣檢測.pdf
- 基于多特征融合的監(jiān)控視頻行人檢測器的設(shè)計(jì)與實(shí)現(xiàn).pdf
- 基于特征融合的行人檢測器改進(jìn)研究.pdf
- 基于多特征和Adaboost的行人檢測研究.pdf
- 多特征融合的行人檢測算法的研究和實(shí)現(xiàn).pdf
- 基于多特征的行人檢測技術(shù)研究.pdf
- 基于多特征的行人快速檢測方法研究.pdf
評(píng)論
0/150
提交評(píng)論