紋理與輪廓結合的行人檢測
大小：0.93 MB 人氣： 2017-11-27 需要積分：1
標簽：行人檢測(3449)
針對在復雜場景下，聚合通道特征（ACF）的行人檢測算法存在檢測精度較低、誤檢率較高的問題，提出一種結合紋理和輪廓特征的多通道行人檢測算法。算法由訓練分類器和檢測兩部分組成。在訓練階段，首先提取ACF特征、局部二值模式（ LBP）紋理特征和ST（ Sketch Tokens）輪廓特征，然后對提取的三類特征均采用Real AdaBoost分類器進行訓練；在檢測階段，應用了級聯檢測的思想，初期使用ACF分類器處理所有實例，保留下來的少數實例應用復雜的LBP及ST分類器進行逐次篩選。實驗采用INRIA數據集對算法進行仿真，該算法的平均對數漏檢率為13. 32%，與ACF算法相比平均對數漏檢率降低了3.73個百分點。實驗結果表明LBP特征與ST特征能有對ACF特征進行信息互補，從而在復雜場景下去掉部分誤判，提高了行人檢測的精度，同時應用級聯檢測保證了多特征算法的計算效率。
非常好我支持^.^
(0) 0%
不好我反對
(0) 0%
下載地址
紋理與輪廓結合的行人檢測下載
相關電子資料下載
- 重新思考跨域行人檢測：無實例單階段檢測器的背景聚焦分布對齊框架 425
- 夜間（低光照）目標檢測數據集整理：人臉檢測，行人檢測 2560
- 行人過街預警雷達為什么要進行人車區分？原理是什么？ 1249
- 斑馬線行人等候區域人員監測雷達助力信號燈控制優化解決方案 488
- 化被動為主動，毫米波交通流量與行人監測雷達助力路口信號燈控制優化 764
- 行人監測雷達與車輛檢測雷達在行人過街智能預警系統中的應用 1830
- 汽車主動安全技術的汽車自動緊急制動(AEB)行人檢測系統設計方案 3158
- 一種基于HOG+SVM的行人檢測算法 2533
- OpenCV預訓練SVM行人HOG特征分類器實現多尺度行人檢測 1831
- 簡述ADAS-行人檢測開源算法實例代碼 3286