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),請進(jìn)行舉報或認(rèn)領(lǐng)
文檔簡介
1、因為行人檢測是車輛輔助駕駛、智能視頻監(jiān)控和人體行為分析等應(yīng)用中的第一步,所以行人檢測一直是計算機視覺中的研究熱點。由于行人是一個多自由度非剛性體的對象,外觀易受穿著、姿態(tài)、遮擋、視角以及照明等影響,如何有效的檢測行人仍是具有挑戰(zhàn)性的課題。目前行人檢測技術(shù)中最常用的方法是基于統(tǒng)計分類的檢測方法,該方法的核心任務(wù)是合理的選擇特征和分類器訓(xùn)練算法。特征應(yīng)具有這樣的性質(zhì):來自同一類別的不同樣本的特征值應(yīng)該非常相近,而來自不同類別的樣本的特征值應(yīng)
2、該有很大的差異。分類器要有很好的學(xué)習(xí)和泛化能力,能夠得到全局最優(yōu)解?;诮y(tǒng)計分類的檢測方法首先對樣本進(jìn)行特征提取,再利用機器學(xué)習(xí)的方法從大量特征中選擇出能夠有效描述行人的特征,并訓(xùn)練出相應(yīng)的分類器,最后利用該分類器進(jìn)行檢測,這也是本文采用的方法。
本文詳細(xì)介紹了圖像的相位一致性特征(Phase Congruency feature),并將其應(yīng)用到了行人檢測中,相位一致性特征描述的是行人的輪廓信息。為了更有效的描述行人特征,本文
3、還提取了行人圖像的局部二值模式算子(LBP)特征,LBP特征表征了行人圖像的紋理特征。本文將相位一致性特征和LBP特征相結(jié)合,從而使算法既能描述行人的整體特征,也能夠描述行人的細(xì)節(jié)特征。在分類器的選擇上,我們使用支持向量機(SVM)進(jìn)行分類,SVM是基于結(jié)構(gòu)風(fēng)險最小化準(zhǔn)則的新型機器學(xué)習(xí)算法,對小樣本問題具有很好的學(xué)習(xí)與泛化能力。另外,由于支持向量機算法是一個凸優(yōu)化問題,因此局部最優(yōu)解一定是全局最優(yōu)解,可以防止過學(xué)習(xí)。
在對大尺
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空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對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, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于相位信息的圖像邊緣檢測算法研究.pdf
- 基于特征融合和運動信息的行人檢測算法的研究.pdf
- 基于AdaBoost與顯著信息的行人檢測算法.pdf
- 基于PCANet的行人檢測算法研究.pdf
- 基于自適應(yīng)LBP的圖像文本檢測算法.pdf
- 基于紅外圖像的行人檢測算法研究.pdf
- 基于機器學(xué)習(xí)的行人檢測算法研究.pdf
- 基于混合特征的行人檢測算法研究.pdf
- 基于DPM和XCF的行人檢測算法改進(jìn)和系統(tǒng)實現(xiàn).pdf
- 基于紅外圖像的行人檢測算法的研究.pdf
- 基于LBP的子彈表面缺陷光電檢測算法研究.pdf
- 車輛前方行人檢測算法的研究.pdf
- 視頻中的行人檢測算法研究.pdf
- 基于視頻的橫穿行人檢測算法研究.pdf
- 基于改進(jìn)HOG特征的行人檢測算法研究.pdf
- 基于多模板匹配的行人檢測算法研究.pdf
- 基于時空視覺注意機制的行人檢測算法研究.pdf
- 基于多尺度方向特征的行人檢測算法.pdf
- 基于視覺的行人檢測算法研究及系統(tǒng)設(shè)計.pdf
- 紅外圖像中的行人檢測算法研究.pdf
評論
0/150
提交評論