資源描述：
《基于多特征的行人檢測算法-論文.pdf》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫。
1、第31卷第10期計算機應(yīng)用研究Vo1．31No．102014年10月ApplicationResearehofComputers0ct．2014基于多特征的行人檢測算法術(shù)胡慶新，張春陽，方靜(合肥工業(yè)大學計算機與信息學院，合肥230009)摘要：針對單特征辨識度較低的問題，提出一種基于多特征的行人檢測方法。首先構(gòu)造二維對數(shù)Gabor函數(shù)，利用此函數(shù)提取樣本的相位一致性特征，將樣本的相位一致性特征和樣本的局部二值模式算子(LBP)特征相結(jié)合，得到新的行人檢測方法。使用支持向量機(SVM)進行分類，并與基于HOG特征的檢測方法進行比較，
2、在INRIA行人數(shù)據(jù)庫上的實驗證明，基于多特征的檢測方法提高了行人檢測精度、降低了誤檢率，檢測率高達99．4824％。關(guān)鍵詞：行人檢測；相位一致性特征；方向梯度直方圖；局部二值模式算子中圖分類號：TP391．41文獻標志碼：A文章編號：1001—3695(2014)10—3161-04doi：10．3969／j．issn．1001—3695．2014．10．068Pedestriandetectionmethodbasedonmulti—featuresHUQing—xin，ZHANGChun—yang，F(xiàn)ANGJing(Schoo
3、lofComputer＆Information，HefeiUniversityofTechnology，Hefei230009，China)Abstract：Inviewoftheproblemofthelowdegreeofsingle-featurerecognizabilityinpedestriandetection，thispaperpro—posedanewpedestriandetectionmethodbasedonmuhi—feature．Firstlyitconstructedatwo—dimensionallo
4、g—Gaborfunctionandextractedthephasecongruencyfeaturefromimagesusingthelog—Gaborfunction．Secondlyitcombinedthephasecongru—eneyfeaturewithlocalbinarypattern(LBP)featuretoobtainanewpedestriandetectionalgorithm．Thesuppo~vectorma—chine(SVM)wasusedtotrainthepedestrianclassif
5、ier．Comparedwiththesingle—featurepedestriandetectionmethodbasedonHOGontheINRIAdataset，themulti—featuredetectionmethodismorediscriminativeandcangethigherdetectionrate．Theaccuracyofthenewmethodis99．4824％．Keywords：pedestriandetection；phasecongruencyfeature；histogramsofori
6、entedgradients；localbinarypattern行人檢測就是把視頻序列或圖像中出現(xiàn)的行人從背景中率，一般使用易訓練的分類器作為弱分類器。傳統(tǒng)的行人檢測分割出來并精確定位。行人檢測已被廣泛用于監(jiān)控、機器人、系統(tǒng)均是基于單特征的，單特征描述能力通常有限，系統(tǒng)難以智能車輛等領(lǐng)域，由于行人是一個多自由度非剛性體的對象，滿足高檢率、低誤報率的要求。為解決上述問題，本文提出一外觀易受穿著、遮擋、姿態(tài)、視角以及照明等影響，行人檢測仍種基于多特征的行人檢測算法，將相位一致性特征(phasecon—是計算機視覺的研究難點與熱點”。g
7、ruency，PC)和LBP相串聯(lián)，得到PC—LBP。為了驗證算法的有經(jīng)過多年的研究，研究者已經(jīng)提出了多種多樣的檢測方效性，將PC—LBP與HOG算法進行了比較，結(jié)果表明基于多特法，大致可分為如下幾類：a)基于模型匹配的檢測方法；b)基征的行人檢測系統(tǒng)效果更好。于形狀信息的檢測方法；C)基于運動信息的檢測方法；d)基于統(tǒng)計分類的檢測方法。1相位一致性特征基于統(tǒng)計分類的檢測方法是目前行人檢測技術(shù)中最常用相位一致性(PC)12J是將圖像傅里葉分量相位一致的點作的方法，該類方法首先對樣本進行特征提取，再利用機器學習為特征點，它是一個無量綱
8、的量，因此不受圖像亮度或?qū)Ρ榷茸兊姆椒ǖ玫椒诸惼?，最后利用該分類器進行檢測。常用的特征有梯度直方圖特征(histogramsoforientedgradients，HOG)J、化的影響。使用相位一致性的重要特點是無須對波形進行任何Ha
