排序方式: 共有3条查询结果,搜索用时 718 毫秒
1
1.
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。 相似文献
2.
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。 相似文献
3.
1