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