

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、行人檢測是進(jìn)行行人識別、行為分析等更深層研究工作的基礎(chǔ)。目前最主流的行人檢測方法是找到一種能有效描述行人的特征,使用機器學(xué)習(xí)算法對樣本圖像中的這種特征進(jìn)行訓(xùn)練,最后用模式分類的方法來檢測目標(biāo)圖像中的行人。
當(dāng)前大多數(shù)的行人檢測方法無法檢測到被遮擋的行人,針對這一問題,本文使用了一種對人體多個部位提取特征的檢測方法。我們建立了兩個行人特征模型:一個提取較低分辨率圖像中的梯度方向直方圖(HOG)特征;一個在高分辨率的圖像中對人臉、
2、頭肩、軀干與腿部提取一種改進(jìn)的局部二值模式(LBP)特征。通過實驗證明該方法能有效提高被遮擋行人的檢測精度。本文的主要工作如下:
1、闡述行人檢測中的關(guān)鍵技術(shù)。行人檢測主要包括提取行人特征、使用機器學(xué)習(xí)方法對行人特征訓(xùn)練分類器以及利用訓(xùn)練好的分類器對測試樣本進(jìn)行檢測。當(dāng)前最經(jīng)典的行人特征有小波特征、梯度方向直方圖特征、局部二值模式特征等,我們通過實驗比對分析這些特征的優(yōu)缺點。分類算法主要有K-最近鄰、貝葉斯、支持向量機以及Ad
3、aboost算法,我們分析并總結(jié)了這些算法在行人檢測中的應(yīng)用。
2、將改進(jìn)的HOG與LBP特征應(yīng)用于行人檢測。將訓(xùn)練樣本向下采樣得到較低分辨率的圖像,對該圖像提取HOG特征,并使用主成分分析對特征向量降維。使用支持向量機算法(SVM)對維度較低的特征訓(xùn)練分類器,能減少訓(xùn)練時間,提高檢測速度。將四元數(shù)與LBP特征相結(jié)合,利用四元數(shù)的復(fù)數(shù)特性,得到一種改進(jìn)的LBP特征,該特征能夠有效的保留彩色圖像三個通道的信息,對背景顏色有很強的
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
- 飛機結(jié)構(gòu)多部位損傷研究.pdf
- 多部位血糖測試ast
- 多部位骨折臨床路徑
- 多部位損傷結(jié)構(gòu)的剩余強度研究.pdf
- 多部位骨折臨床路徑
- 多部位骨折臨床路徑
- 機翼蒙皮結(jié)構(gòu)多部位損傷研究.pdf
- 多部位損傷結(jié)構(gòu)的疲勞壽命預(yù)測.pdf
- 超聲檢測多部位骨質(zhì)疏松系統(tǒng)的研制.pdf
- 基于視頻的行人檢測方法研究.pdf
- 水上人體目標(biāo)的多部位協(xié)同跟蹤算法研究.pdf
- 基于圖像的行人檢測方法研究.pdf
- 基于深度學(xué)習(xí)的行人檢測方法研究.pdf
- 基于稀疏表示方法的行人檢測研究.pdf
- 基于監(jiān)控視頻的行人統(tǒng)計方法研究.pdf
- 基于視頻序列的行人檢測方法研究.pdf
- 基于稀疏表示的行人檢測方法研究.pdf
- 基于遷移學(xué)習(xí)的行人檢測方法研究.pdf
- 基于整體特征的行人檢測方法研究.pdf
- 基于視頻的行人快速檢測方法研究.pdf
評論
0/150
提交評論