- 1、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
- 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
基于后验HOG特征的多姿态行人检测.pdf
第2期 电 子 学 报 Vo1.43 No.2 2015年 2月 ACIlA眦 Cnt0NICA sINICA Feb. 2015 基于后验 HOG特征的多姿态行人检测 刘 威,段成伟,遏 冰,柴丽颖,袁 淮,赵 宏 (东北大学研究院,辽宁沈阳 11o179) 摘 要:行人检测是当前计算机视觉领域的挑战性课题之一 .本文提出一种基于后验 HOG特征的多姿态行人 检测方法.首先 ,统计全部行人样本的梯度特征能量共性信息,对单个行人样本的HOG特征进行加权获得能够表现行 人边缘轮廓的后验HOG特征,有效减少复杂背景的影响.其次,利用 S-Isomap特征降维方法和K-means聚类方法对不 同姿态和视角的行人做子类划分,并针对每一个子类训练子类分类器 .最后,根据多个不同姿态的子类分类器输出值, 训练等权重加和方式的多姿态.视角集成分类器 .不同数据集上的测试结果表明,本文所提利用共性信息获得的后验 特征超过了经典HOC和其它典型特征的描述能力.与现有方法相比,通过将所提出的特征与多姿态.视角集成分类器 结合,有效地提高了检测精度 . 关键词: 后验 HOG特征;梯度能量图;S-Isomap;支持向量机;行人检测 中图分类号: TP391 文献标识码 : A 文章编号 : 0372.2112(2015)02.0217.08 电子学报URIa..http://www.ejourna1.org.cn DOI:10.3969/j.issn.0372-2112.2015.02.002 Multi—PosePedestdanDetectionBasedonPosl[eriorH0G Feature L1U VCei,DUANCheng-wei,YUBing,CHAILi—ying,YUANHuai,ZHAOHong (ResearchAcademy,NortheasternUn/,~rs/ty,Shenyang,咖 110179,Chn/a) Abstmct: Pedestriandetectionremains0neofthechallengingtasksintheareaofcomputervision.Amulti-posepedestrian detcctiOllmethodbased013posteriorHOG featureis q)0sed.Firstly,thegeneralityinformationofgradientfeatureenergyisC.,.onl- putedwithallpedestriansamples.TileposteriorHOG feautreisobtainedbyweightingtheHOGfeatureofindividualpedestriansan,l~ piewiththecomputedgradientfeatureenergy.TheposteriorHOG featurecancapturethecontoursandedgesofpedesrt~ ,and significantlyreducetheinfluenceofcomplexandclutteredbackground.Secondly。pedestriansofdifferentposesandviewsaredivid- edintosubclasseswithS-IsomapandK-meansalgorithm .Aclassifieristrainedforeachsubclass.Finally,amulti-pose-view ensem- bleclassifieristrainedtocombinetheoutputvaluesofdifferentsubclassclassifierswithalleq
文档评论(0)