基于多特征的行人快速檢測方法研究.pdf_第1頁
已閱讀1頁,還剩55頁未讀 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

1、當前計算機視覺領域研究的熱點之一就是人臉識別和行人檢測,這一技術已經被廣泛的應用在很多領域,比如智能電話、智能交通、無人駕駛等。由于算法的精度和速度等原因,很難應用到實時系統(tǒng)中。傳統(tǒng)方法中為了提高精度需要計算圖像特征金字塔,而構建特征金字塔需要花費大量時間。本文正是從這一問題出發(fā),通過估算多尺度分類器的方法,減少構建特征金字塔時間從而提高了行人檢測的速度。本文主要的研究內容如下:
  (1)本文提出了一種新特征BPG。BPG特征實

2、質是HOG的一種變形,它既保留了原有的梯度和方向信息,也具有局部區(qū)域信息。BPG特征把梯度方向分成8個方向,在可變大小區(qū)域內的不同梯度方向上累加梯度值,然后與均值作比較,進行二值編碼,最后生成十進制數(shù)。實驗結果顯示,新特征在行人檢測方面有更強的識別能力。
  (2)通過實驗對比和特征間的相關性挑選出四個特征作為特征池,四個特征分別是BPG特征、LBP特征、梯度特征值和下梯度方向特征。根據(jù)特征本身的特點分析了特征間的互補性。用這四個

3、特征融合對單一樣本的檢測正確率大約為97%。
  (3)分類器設計主要使用的是Adaboost算法。通過級聯(lián)形式,使每級強分類器有不同數(shù)量的弱分類器和閾值,使分類器的識別能力逐級加強。這樣可以將容易識別出的負樣本在第一級或是前幾級分類器就排除掉,難以識別的由后面識別能力強的分類器識別,既提高了分類器的精度又減少了檢測窗口的數(shù)量。
  (4)提出了一種估計分類器的方法,通過估計臨近放縮層的分類器以代替圖像的縮放過程,大幅度減少

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。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,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確性、安全性和完整性, 同時也不承擔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。

評論

0/150

提交評論