本文選題：目標(biāo)檢測 + 類無關(guān)和類相關(guān)��； 參考：《電子學(xué)報》2017年10期

【摘要】：針對目標(biāo)檢測中精度和速度難以兼顧的問題,借助視覺注意理論中的目標(biāo)感知與識別機(jī)制,分析目標(biāo)描述中梯度幅值與梯度方向信息之間具有的互補(bǔ)性,提出了基于兩層級聯(lián)梯度特征的快速目標(biāo)檢測模型,可有效描述類無關(guān)和類相關(guān)檢測器.一方面,采用梯度幅值特征,從滑動窗口采樣中獲得候選目標(biāo)提議,大幅降低了驗證窗口的數(shù)量,確保檢測速度,另一方面,利用級聯(lián)方式學(xué)習(xí)訓(xùn)練多個子檢測器,可更好實現(xiàn)不同尺度變化下的目標(biāo)檢測精度.PASCAL數(shù)據(jù)集上的實驗結(jié)果,解釋了級聯(lián)梯度特征對目標(biāo)結(jié)構(gòu)描述的有效性,表明了該文方法在與現(xiàn)有先進(jìn)方法的檢測精度相當(dāng)?shù)那疤嵯?可極大提升檢測速度.
[Abstract]:In view of the problem that the precision and speed of the target detection are difficult to take into account, the complementarity between the gradient and the gradient direction information in the target description is analyzed with the aid of the target perception and recognition mechanism in the visual attention theory. A fast target detection model based on the cascaded gradient features of the two layer is proposed, which can effectively describe the class independence and the class correlation. On the one hand, the gradient amplitude feature is used to obtain the candidate target proposal from the sliding window sampling, which greatly reduces the number of the verification windows and ensures the detection speed. On the other hand, the cascade mode is used to train the multiple sub detectors, and the experiment on the.PASCAL data set of the target detection precision under different scales can be better realized. As a result, the effectiveness of cascaded gradient features to the description of the target structure is explained. It shows that the proposed method can greatly improve the detection speed on the premise that the detection precision of the existing advanced methods is equal.
【作者單位】： 合肥工業(yè)大學(xué)計算機(jī)與信息學(xué)院;
【基金】：國家自然科學(xué)基金(No.61273237,No.61503111)
【分類號】：TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 定志鋒;戴聲奎;陳美龍;;基于統(tǒng)計結(jié)構(gòu)梯度特征的行人檢測[J];通信技術(shù);2012年07期

2 鄧宇;李振波;李華;;圖切割支持的融合顏色和梯度特征的實時背景減除方法[J];計算機(jī)輔助設(shè)計與圖形學(xué)學(xué)報;2006年11期

3 吳亞順;王平;白朝元;孔融;;一種基于梯度特征的陰影消除方法[J];電腦編程技巧與維護(hù);2014年17期

4 陳愛華;朱明;王艷華;薛陳;;融合梯度特征的灰度目標(biāo)跟蹤[J];微電子學(xué)與計算機(jī);2009年02期

5 余博;郭雷;趙天云;錢曉亮;左蔚;;融合梯度特征的紅外目標(biāo)跟蹤[J];西安工業(yè)大學(xué)學(xué)報;2012年05期

6 劉宏;李錦濤;劉群;錢躍良;李豪杰;;融合顏色和梯度特征的運(yùn)動陰影消除方法[J];計算機(jī)輔助設(shè)計與圖形學(xué)學(xué)報;2007年10期

7 何飛;李亞利;鹿文浩;王生進(jìn);丁曉青;;多方向線積分的梯度特征[J];中國圖象圖形學(xué)報;2011年12期

8 裴志軍;陶建華;;一種基于梯度特征列表的機(jī)器視覺目標(biāo)匹配[J];計算機(jī)工程與應(yīng)用;2008年05期

9 趙懷勛;姜瑩礁;;基于顏色和方向梯度特征融合的粒子濾波跟蹤算法[J];計算機(jī)應(yīng)用與軟件;2014年06期

10 石躍祥,蔡自興,B.Benhabib,王學(xué)武;基于眼睛梯度對特征的人臉檢測方法[J];計算機(jī)工程與應(yīng)用;2005年26期

相關(guān)會議論文 前1條

1 趙淼;王珂;莊嚴(yán);王偉;;基于梯度方向雙邊對稱性的旋轉(zhuǎn)人臉中心跟蹤[A];2005年中國智能自動化會議論文集[C];2005年

相關(guān)碩士學(xué)位論文 前4條

1 丁苗苗;基于考場監(jiān)控視頻的智能監(jiān)考方法研究[D];中國科學(xué)技術(shù)大學(xué);2017年

2 定志鋒;基于統(tǒng)計結(jié)構(gòu)梯度特征的行人檢測[D];華僑大學(xué);2012年

3 張竹偉;基于梯度特征和位置信息的目標(biāo)識別算法研究[D];中北大學(xué);2015年

4 肖永剛;基于梯度特征和級聯(lián)分類的快速行人檢測[D];天津大學(xué);2010年

，

本文編號：1997587