共查询到17条相似文献,搜索用时 140 毫秒
1.
针对滑动窗口全局搜索检测目标搜索时间长的问题,提出一种多尺度局部区域响应累积的非滑窗快速目标检测算法。首先,提取检测目标多尺度可重叠局部区域作为训练样本,通过学习得到多尺度且具有判别能力的部件集,部件集中每个局部区域与检测目标有明确位置对应关系;然后,根据各投影检测器响应判断目标是否在某一区域出现,并利用多尺度目标局部区域的检测结果和位置约束进行投票,完成目标粗定位;其次,利用HOG特征提取和SVM相结合完成检测目标验证实现准确检测。该方法将多尺度部件模型、统计累积投票思想及分类器判决相结合,实现快速目标检测,大大减少滑动窗口逐像素搜索背景时所消耗时间,提高检测效率。 相似文献
2.
3.
传统的目标检测方法需要对大量候选窗(区域)做判 断,需要较大的计算量。本文根据 人体特点,提出了一种基于分级判断的方法,需要判断的候选窗逐级减少,因此可以大量减 少复杂特征和 分类器需要判断的候选窗数量,进而减少整个检测算法的计算量。算法首先对待检测图像提 取NG(norm of gradients)特征,通过线性支持向量机(SVM)判断得到行人的候选区域;然 后对候选区域提取简化 梯度方向直方图(HOG,histograms of oriented gradients)特征,采用线性SVM对候选区域 进一步的过滤;最后对经过过 滤筛选得到的区域提取多分辨率HOG特征,使用可变形部件模型(DPM,deformation part mod el)对候选区域进行检测定位行人的位置。在INRIA数据集上的实验结果表明,本文方法在保 证检测精度的情况 下,虽然相比 于原始DPM算法有少数的行人漏检,但是本文方法的检测结果中行人误检数目远少于原始DP M算法,检测速度也优于原始DPM算法。 相似文献
4.
基于MSER和SVM的快速交通标志检测 总被引:2,自引:2,他引:0
为解决传统的基于机器学习的交通标志检测(TSD) 方法需要对每一个待检测子窗口进行处理而导致算法实时性不高的问 题,提出了一种基于感兴趣区域(ROI)提取和机器学习的快速TSD 算法。针对传统基于颜色阈值的ROI提取方法具 有对光照变化较敏感等缺点,设计了一种颜色增强下的最大稳定极值区域(MSER)方法 ,根据标志的颜色进行 颜色增强,对颜色增强图像提取MSER得到交通标志ROI;然后在图像的多尺度滑动遍历检测 过程中,仅对包含ROI的滑 动窗口进行方向梯度直方图(HOG)特征的提取,并通过支持向量机(SVM)进 行分类判别。实验结果表明,本文改进的TSD方法在运算速度上有较大提升,具有很好的鲁 棒性,且获得了96.42%的检测率以及较低的误检数。 相似文献
5.
6.
一种解决波动式干扰影响的序列图像运动目标检测方法 总被引:1,自引:0,他引:1
为解决复杂环境下的诸如枝叶摇摆、摄像机抖动等波动式干扰对运动目标检测的影响问题,该文提出基于视频窗口切分与分类的序列图像运动目标检测算法。首先将序列图像切分为rc大小的视频窗口,然后提取窗口内区域图像累积帧间差矩阵的简单统计特征,针对每一帧序列图像,将视频窗口进行分类,把它们划分为运动目标窗口和非运动目标窗口(包括静止背景窗口和波动式干扰窗口),最后将运动目标窗口合并为运动目标。该方法的优点是无需已知背景模型和运动目标大小、形状等任何先验信息。实验表明该算法能在摄像机抖动以及枝叶干扰等复杂环境下快速有效的检测出运动目标。 相似文献
7.
8.
9.
10.
11.
Efficient HOG human detection 总被引:2,自引:0,他引:2
While Histograms of Oriented Gradients (HOG) plus Support Vector Machine (SVM) (HOG+SVM) is the most successful human detection algorithm, it is time-consuming. This paper proposes two ways to deal with this problem. One way is to reuse the features in blocks to construct the HOG features for intersecting detection windows. Another way is to utilize sub-cell based interpolation to efficiently compute the HOG features for each block. The combination of the two ways results in significant increase in detecting humans—more than five times better. To evaluate the proposed method, we have established a top-view human database. Experimental results on the top-view database and the well-known INRIA data set have demonstrated the effectiveness and efficiency of the proposed method. 相似文献
12.
13.
提出了一种有效的运动前景检测方法。该方法根据图像融合思想,将背景帧与监控视频的当前帧在R,G和B颜色通道分别进行融合,形成包含背景帧和当前帧视觉信息的单一融合图像。之后根据背景区域与前景运动目标在饱和度上存在较大差异的现象,使用大津算法分割融合图像的饱和度分量图,形成运动前景二值图。经形态学处理后,形成了目标区域较完整、背景干净的运动前景检测图。实验结果显示,该算法具有较好的前景检测性能,解决了背景减法过分依赖背景帧的缺陷。 相似文献
14.
15.
针对当前运动目标检测系统平台体积大、功耗高的问题,文中基于Xilinx的ZYNQ平台设计了一款运动目标检测系统。ViBe算法是一种前景检测算法,主要包括背景建模、前景检测、模型更新3个部分,具有较好的检测效果。使用Vivado HLS开发工具完成算法部分的开发,通过添加优化指令对算法进行优化,在通过仿真测试后封装成硬件IP核,显著缩短了开发流程。在ZYNQ平台上,采用软硬件协同的方式,PL部分作为算法实现单元,PS部分作为控制核心,通过OV5640进行视频图像的采集,使用VDMA IP核将数据存储到DDR中,在经过处理后将结果通过HDMI输出至显示器显示。实验结果表明,该系统能够实时检测出运动目标,并且该系统体积小,功耗低。 相似文献
16.
针对室内视频监控中运动目标检测常出现的阴影误检,提出了一种基于颜色空间转换的自适应背景建模和阴影消除算法.在RGB空间采用自适应背景差对视频图像进行前景背景分离,并将检测出的前景目标锁定在活动轮廓矩形框内进行目标跟踪,对于误检的虚假目标(即阴影),利用其亮度等信息,在HSV空间去除.经实验验证,该算法对阴影的去除有良好的效果,能准确检测出真实目标. 相似文献
17.
基于方向梯度直方图(HOG)特征和局部二值模式(LBP)算子的行人检测算法采用滑动窗口搜索策略存在扫描区域过大和计算复杂的问题,存在的这些问题会导致检测速度慢。鉴于此,提出一种行人检测算法。首先,采用选择性搜索算法对目标区域进行定位,并将候选区域的高宽比限制在一定范围内以筛选无效窗口。然后,为了弥补LBP算子在纹理表达上的缺陷,引入完备的局部二值模式(CLBP)算子来提高纹理特征的表达能力。接着,考虑到HOG特征和CLBP算子特征维数过高对分类器的识别能力产生影响,采用主成分分析的方法分别对HOG特征和CLBP算子进行降维,降维后再进行串联融合。最后,引入困难样本的挖掘过程训练支持向量机分离器,这可以使模型训练得更充分,进而降低误检率。在INRIA数据集上仿真结果表明,所提算法在识别率和识别速度上都有一定的提高。 相似文献