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),請進行舉報或認領(lǐng)
文檔簡介
1、行人檢測在輔助駕駛、交通控制、安全監(jiān)護等領(lǐng)域的有著廣泛應(yīng)用,過去20十年中,行人檢測成為計算機視覺和機器學習領(lǐng)域中的熱門研究課題?,F(xiàn)在智能汽車希望有檢測和跟蹤行人的保護功能以防止或減少交通事故的發(fā)生。盡管目前已有很多研究機構(gòu)提出了各種不同的行人檢測系統(tǒng),但很多都不能做到實時檢測。此外,還有一些共同的問題,如遮擋、背景重疊、光照變化、行人姿態(tài)的變化等。本文目的是設(shè)計快速、魯棒的行人檢測模型,通過從數(shù)據(jù)中學習表示模式,達到有效將他們分類的目
2、標(行人和非行人)。本博士論文主要工作如下:1):提出了一種基于興趣區(qū)域法來檢測行人。該方法具有計算量低,檢測速度快的特性。因良好的效果,滑動窗口法在行人檢測中廣泛應(yīng)用。滑動窗口法考慮所有可能的子窗口,然后通過分類器去判別決定其是否為行人。對一幅大場景圖來說,搜索所有可能的的子窗口的計算量非常巨大。巨大的計算量導致無法做到實時,因此搜索區(qū)域必須減少。但是,興趣區(qū)域則會減少檢測子窗口數(shù)量。2),本文提出了多塊局部二進制描述子用著行人檢測。
3、該描述子表示局部鄰域的外觀和行人目標的細節(jié),在固定分辨率下獲得的特征模式,組合得到高維特征。該描述子對光照變化、顏色和方向旋轉(zhuǎn)等有很強的魯棒性和很好的判別能力。好的檢測結(jié)果是基于局部鄰域的。為了使得行人描述子更加魯棒,本文提出了稀疏多塊局部二進制模式。3)構(gòu)造了一個級聯(lián)分類器,該分類器能處理重要的信息。盡管現(xiàn)有自適應(yīng)迭代算法,神經(jīng)網(wǎng)絡(luò)和支持向量機等分類器,但他們都不能做到實時檢測,導致很長的處理時間。本論文,提出了級聯(lián)改進的費歇判別分類
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)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 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)容負責。
- 6. 下載文件中如有侵權(quán)或不適當內(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。
最新文檔
- 基于MB-LBP特征的人臉識別方法研究.pdf
- Haar型LBP紋理特征的行人檢測研究.pdf
- 基于梯度特征和紋理特征的行人檢測.pdf
- 基于長時特征的魯棒聲學事件檢測.pdf
- 基于時空興趣點和梯度直方圖的行人檢測.pdf
- 基于boosting算法和LBP特征的人臉檢測.pdf
- 基于魯棒特征的人臉檢測與身份識別.pdf
- 基于DPM的行人檢測和行人特征提取算法研究.pdf
- 陰影特征的魯棒性評價和陰影檢測算法.pdf
- 基于LBP和相位一致信息的行人檢測算法研究.pdf
- 基于多特征和Adaboost的行人檢測研究.pdf
- 基于梯度特征和級聯(lián)分類的快速行人檢測.pdf
- 基于多特征級聯(lián)篩選的高魯棒監(jiān)控圖像車牌檢測.pdf
- 基于快速魯棒性特征的物體識別檢測算法研究.pdf
- 基于區(qū)域約束HOG-LBP特征的人體檢測算法研究.pdf
- 基于梯度特征和多分類器的行人檢測方法.pdf
- 基于特征融合的行人檢測研究.pdf
- 基于特征融合和多核學習的行人檢測方法研究.pdf
- 基于NPC和改進的MFCC魯棒語音特征提取研究.pdf
- 基于特征補償和ARM平臺的魯棒語音識別算法實現(xiàn).pdf
評論
0/150
提交評論