改进型WLD与LBP特征融合的行人检测

为提高行人检测的识别率,提出一种基于改进型韦伯局部描述子(WLD)和局部二元模式(LBP)的特征融合方法进行行人检测。对图像进行二维离散Haar小波变换得到4个不同频率的子图像,对其中1个低频部分提取WLD特征,对3个高频部分提取LBP特征,并将各个子图像的特征串接为1个向量,得到WLD-LBP特征。在INRIA Person数据集上利用SVM作为分类器进行测试,实验结果表明,与单独WLD特征、梯度方向直方图(HOG)特征、PHOG特征以及HOG-LBP特征融合方法相比,该方法的识别率最高,可达98.1%,并且对光照和噪声也有较好的鲁棒性。     

HSV与LBP特征融合的行人检测方法研究

提出一种融合HSV颜色空间特征与局部二元模式特征LBP的特征的HSV LBP行人检测方法。HSV特征是一种全局特征,它能简单地描述一幅图像中颜色的全局分布,LBP特征能很好地描述图像局部空间结构,所以该算法既考虑了全局特征也考虑了局部特征,且该算法具有维数少、计算速度快的优点。在Matlab环境下实验,利用Adaboost 分类器对算法的性能进行实验仿真,与经典的梯度方向直方图HOG特征、LBP特征、分层梯度方向直方图PHOG特征及HOG LBP特征进行对比,结果表明HSV LBP方法的识别性能较好。     

多线索融合的无视野重叠跨摄像机行人跟踪算法

针对单个摄像机视野有限而无法满足日益扩大的监控范围的现象,此文对无视野重叠的跨摄像机行人跟踪算法进行了研究,并提出了一种融合时空线索和外观线索的无视野重叠跨摄像机行人跟踪算法。文章在对已有摄像机网络拓扑结构估计算法分析的基础上提出了一种基于加权时间窗口的无视野重叠摄像机网络拓扑结构估计算法。然后利用朴素贝叶斯完成两种线索融合,实现不同摄像机间行人匹配和跟踪信息的传递,最终实现无视野重叠区域的跨摄像机行人跟踪。该算法在公开的MCT数据集上进行对比实验并取得了优于其它算法的结果。