針對方向梯度直方圖（Histogram of Oriented Gradient,HOG）和支持向量機（Support Vector Machine,SVM）對行人檢測速度慢、效率低和實時性差的問題,提出了先利用混合高斯模型進(jìn)行運動檢測初判,從而獲得候選區(qū),調(diào)整候選區(qū)域尺寸,對候選區(qū)進(jìn)行HOG特征提取,再送入SVM分類器檢測出行人。只對候選區(qū)進(jìn)行HOG特征提取可大幅度減少HOG的計算量,減少特征提取的時間,從而提高了檢測的效率,可應(yīng)用于有實時性要求的場合。 

【文章來源】：無線電工程. 2020,50(10)

【文章頁數(shù)】：4 頁

【部分圖文】：

HOG特征提取流程

算法流程

本算法檢測到的行人用綠色框標(biāo)記如圖3所示。本文算法基本能檢測出視頻中的行人,邊緣剛進(jìn)入的行人有漏檢的情況,但當(dāng)行人完全進(jìn)入畫面時依然可以檢測到。檢測結(jié)果對比如表1所示。


本文編號：3528136