基于小波變換紋理特征及多部件二次驗證行人檢測算法.pdf_第1頁
已閱讀1頁，還剩64頁未讀， 繼續(xù)免費閱讀

下載本文檔

版權說明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權，請進行舉報或認領

文檔簡介

1、行人檢測技術是目前機器視覺方面研究的熱點之一，已經(jīng)被廣泛應用在智能輔助駕駛、智能機器人、行人行為識別等方面。通過近些年來的不懈研究，科研人員們提出了一系列的基于統(tǒng)計的行人檢測算法，此類方法一般分成兩個部分:樣本的特征提取、分類器設計。樣本特征提取的目的是對樣本提取出最有代表性的特性;分類器設計屬于機器學習領域，目的是得到更有效、更快速、更好泛化的分類器。
　　本文在對行人檢測的國內(nèi)外研究現(xiàn)狀以及研究的瓶頸進行認真分析的基礎上，對當

2、前的主流特征提取方式進行一定改進，論文的主要貢獻如下:
　　1、局部二值變換的Haar-LL算法針對目前行人檢測技術中的檢測準確率以及檢測時間消耗的不足，提出了一種基于二維離散Haar小波變換的局部二值模式(LBP)與局部梯度模式(LGP)的特征融合方法Haar-LL算法。該方法首先對圖像進行二維離散Haar小波變換，從而得到四個不同頻率的子圖像，然后對低頻部分子圖像提取LBP特征，對三個高頻部分子圖像提取LGP特征，并將三個LG

3、P特征并接融合后與LBP特征串接融合然后進行行人檢測，通過大量實驗數(shù)據(jù)表明，該方法可行有效。
　　2、多部件二次驗證行人檢測算法針對當前行人檢測算法在行人整體檢測中對遮擋情況下的漏檢、特征融合可能出現(xiàn)特征抑制以及特征融合所造成的時間開銷大等不足之處，本文提出了一種基于多部件的二次驗證方法。該方法首先將從行人整體圖像提取的LBP特征與從二維離散小波變換的LL低頻圖像提取的LGP特征進行融合，初次進行行人檢測;若檢測結果的決策值大于閡

溫馨提示

  • 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內(nèi)容里面會有圖紙預覽，若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間，僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理，對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權或不適當內(nèi)容，請與我們聯(lián)系，我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論