【摘要】：采取Edgelet特征和聚集型B-Haar特征相結(jié)合,協(xié)同進(jìn)行特征提取,設(shè)計(jì)開發(fā)出具有樹形組合結(jié)構(gòu)的行人識(shí)別模型。該模型的上層結(jié)構(gòu)為:通過改進(jìn)具有Haar特征(此處稱為聚集型B-Haar特征),在完全二叉樹架構(gòu)的基礎(chǔ)上,同局部二元模式相結(jié)合,對(duì)候選人目標(biāo)進(jìn)行提取,最終提高檢測(cè)識(shí)別率;該模型的下層結(jié)構(gòu)為:在貝葉斯原理和Edgelet特征相結(jié)合的基礎(chǔ)上,構(gòu)建樹狀決策結(jié)構(gòu),對(duì)多部位進(jìn)行檢測(cè),找尋出行人。實(shí)驗(yàn)結(jié)果與傳統(tǒng)的串并聯(lián)結(jié)構(gòu)和樹狀結(jié)構(gòu)進(jìn)行比較,設(shè)計(jì)開發(fā)的多特征協(xié)同樹狀組合決策結(jié)構(gòu)行人識(shí)別方法更具優(yōu)勢(shì),能夠更好地保證實(shí)時(shí)性,降低虛警率,提高檢測(cè)率。
[Abstract]:Based on the combination of Edgelet features and aggregated B-Haar features, a pedestrian identification model with tree-shaped composite structure is designed and developed by means of collaborative feature extraction. The upper structure of the model is as follows: firstly, the candidate target is extracted by improving the Haar feature (here called aggregated B-Haar feature) and combining with the local binary pattern on the basis of the complete binary tree architecture. Finally, the detection recognition rate is improved; The lower structure of the model is as follows: on the basis of the combination of Bayesian principle and Edgelet feature, the tree decision structure is constructed, and the multi-position detection is carried out to find the person out of the tree. Compared with the traditional series-parallel structure and tree structure, the design and development of the multi-feature collaborative decision-making structure pedestrian identification method has more advantages, can better ensure real-time performance, reduce false alarm rate, and improve the detection rate.
【作者單位】： 江蘇海事職業(yè)技術(shù)學(xué)院信息工程系;東南大學(xué)交通學(xué)院;
【基金】：美國(guó)能源基金會(huì)資助項(xiàng)目(G-1408-16758) 江蘇省教師素質(zhì)提高研究計(jì)劃項(xiàng)目(2013SJB880020)
【分類號(hào)】：U495

【參考文獻(xiàn)】

相關(guān)期刊論文 前6條

1 黃佐;徐奕;楊小康;;一種基于光流法的逆行異常事件檢測(cè)方法[J];電視技術(shù);2011年13期

2 田廣;戚飛虎;;移動(dòng)攝像機(jī)環(huán)境下基于特征變換和SVM的分級(jí)行人檢測(cè)算法[J];電子學(xué)報(bào);2008年05期

3 付洋;宋煥生;陳艷;朱小平;;一種基于視頻的道路行人檢測(cè)方法[J];電視技術(shù);2012年13期

4 薛麗霞;羅艷麗;王佐成;;基于幀間差分的自適應(yīng)運(yùn)動(dòng)目標(biāo)檢測(cè)方法[J];計(jì)算機(jī)應(yīng)用研究;2011年04期

5 施培蓓;胡玉娟;;基于快速級(jí)聯(lián)分類的行人檢測(cè)系統(tǒng)[J];計(jì)算機(jī)工程;2013年08期

6 田廣;戚飛虎;朱文佳;毛欣;陳磐君;;單目移動(dòng)拍攝下基于人體部位的行人檢測(cè)[J];系統(tǒng)仿真學(xué)報(bào);2006年10期

相關(guān)博士學(xué)位論文 前1條

1 許言午;面向行人檢測(cè)的組合分類計(jì)算模型與應(yīng)用研究[D];中國(guó)科學(xué)技術(shù)大學(xué);2009年

【共引文獻(xiàn)】

相關(guān)期刊論文 前10條

1 韓紅桂;李淼;喬俊飛;;基于模型輸出敏感度分析的動(dòng)態(tài)神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計(jì)[J];電子學(xué)報(bào);2010年03期

2 文學(xué)志;方巍;鄭鈺輝;;一種基于類Haar特征和改進(jìn)AdaBoost分類器的車輛識(shí)別算法[J];電子學(xué)報(bào);2011年05期

3 韓紅;伍星;;基于Bandelet變換與人體部位的人體檢測(cè)方法[J];電子學(xué)報(bào);2011年08期

4 劉威;于紅緋;楊恒;段勃勃;袁淮;趙宏;;一種新的基于單目視覺的廣義障礙物檢測(cè)方法[J];電子學(xué)報(bào);2011年08期

5 蘇松志;李紹滋;陳淑媛;蔡國(guó)榕;吳云東;;行人檢測(cè)技術(shù)綜述[J];電子學(xué)報(bào);2012年04期

6 戴健文;馮超;黃冬麗;張金麗;于雙;張芳;;行人檢測(cè)分類器的研究與設(shè)計(jì)[J];電腦知識(shí)與技術(shù);2012年29期

7 黃冬麗;戴健文;馮超;張金麗;于雙;張芳;;HOG特征提取中的三線性插值算法[J];電腦知識(shí)與技術(shù);2012年31期

8 徐國(guó)強(qiáng);王登位;石文君;;基于Split Bregman迭代求解水平集框架模型的運(yùn)動(dòng)目標(biāo)檢測(cè)[J];電光與控制;2013年03期

9 侯清濤;姜同慶;岳明;劉昱;;基于視頻分析的行人檢測(cè)[J];科技和產(chǎn)業(yè);2013年03期

10 周建英;吳小培;張超;呂釗;;基于滑動(dòng)窗的混合高斯模型運(yùn)動(dòng)目標(biāo)檢測(cè)方法[J];電子與信息學(xué)報(bào);2013年07期

相關(guān)會(huì)議論文 前1條

1 李勝明;陳斌;曾勇;;一種基于差分的子彈提取改進(jìn)算法[A];第22屆全國(guó)結(jié)構(gòu)工程學(xué)術(shù)會(huì)議論文集第Ⅲ冊(cè)[C];2013年

相關(guān)博士學(xué)位論文 前10條

1 劉獻(xiàn)如;視頻圖像序列目標(biāo)跟蹤算法及其應(yīng)用研究[D];中南大學(xué);2011年

2 聶方彥;圖像閾值化與目標(biāo)分割方法中的若干問題研究[D];重慶大學(xué);2010年

3 趙敏;單目視覺多行人目標(biāo)檢測(cè)與跟蹤技術(shù)研究[D];重慶大學(xué);2010年

4 沈\，

本文編號(hào)：2447114