基于Adaboost算法的行人检测

提出一种基于Adaboost算法的行人检测方法。Adaboost是将一组弱分类器通过一定的规则,结合成为一个强分类器,再把这些强分类器级联成为一个快速、准确的分类器。实验证明基于此算法的行人检测具有检测率高、速度快的特点,能够达到实时检测的要求。     

基于改进凸包检测的芯片图像字符区域定位

针对半导体芯片在激光打印时可能出现字符倾斜、字符位置错误等缺陷,提出一种基于改进凸包检测的半导体芯片图像字符区域定位方法.首先,利用三轴图像采集平台采集多幅半导体芯片图像,切分提取出若干单幅芯片图像;其次,采用Harris角点检测获取图像角点分布图,改进凸包检测算法,剔除非字符区域角点,获取最外围角点凸包线;最后,拟合...     

基于凸包的电池片边缘缺陷检测算法

为了实现电池片分选机的快速分拣,需要加快电池片图像各项检测项目的速度。其中,电池片边缘缺损与破片的检测是把控产品质量的首要检测项目。已有的检测方法图像处理时间较长,处理过程可复用性差,处理结果受环境影响大。因此,提出一种通过凸包判断电池片边缘是否存在残缺,同时计算缺陷位置像素深度的快速边缘缺损检测办法。该方法对成像环境要求低,且可以提供电池片像素中心及偏转角度等电池片姿态信息,缩短了其他检测过程的时间。最后,实验证明该算法的平均时间消耗小于50ms,同时,大量电池片检测结果的误检率和漏检率均小于0.5%。     

基于多摄像头的行人视频运动目标检测算法研究

为了解决单摄像机在目标视频运动中提取信息时存在的缺陷性,提出了基于多摄像头的行人视频运动目标检测追踪算法研究,首先以Kalman滤波理论为基础,对Kalman滤波的运动目标跟踪算法的迭代过程、基本方程进行了分析,从而能预测出下一帧中目标所处的位置及范围,并进行Camshift运算;然后再分析了Camshift与Kalman结合算法;最后,为了进一步检测方法的有效性,对多摄像头的视频运动目标追踪Kalman滤波与Camshift结合算法进行了实验,实验结果表明：该方法能有效的解决遮挡视线问题,比传统的方法,其准确度更高,降低了目标跟踪丢失率,具有较强的鲁棒性。     

基于多摄像头的行人视频运动目标检测算法研究

为了解决单摄像机在目标视频运动中提取信息时存在的缺陷性,提出了基于多摄像头的行人视频运动目标检测追踪算法研究,首先以Kalman滤波理论为基础,对Kalman滤波的运动目标跟踪算法的迭代过程、基本方程进行了分析,从而能预测出下一帧中目标所处的位置及范围,并进行Camshift运算;然后再分析了Camshift与Kalman结合算法;最后,为了进一步检测方法的有效性,对多摄像头的视频运动目标追踪Kalman滤波与Camshift结合算法进行了实验,实验结果表明:该方法能有效的解决遮挡视线问题,比传统的方法,其准确度更高,降低了目标跟踪丢失率,具有较强的鲁棒性。     

简单多边形凸包的双动线检测算法

计算凸包问题不仅是计算几何的基本工具之一，而且在实际应用中也是很重要的，本文运用Ｇｒａｈａｍ扫描技术及双动线检测的方法，构造了测定简单多边形凸包的Ｏ（ｎ）快速算法。     

基于二维凸包的TSP算法

二维凸包是指包含平面点集的最小简单多边形,广泛应用于GIS.将二维凸包与TSP相结合,提出了基于二维凸包的TSP算法,首先快速凸包算法构造城市点集的凸包,该凸包是经过部分城市点且其余点都在其内部的回路.其次将其余的城市点依次插入回路形成新回路,使新回路的长度增量最小,直至所有的城市点都在回路上.在TSPLIB中的典型实例上的实验结果表明,该算法比简单遗传算法更快得到问题的近似解.     

基于激光雷达数据的行人检测

在自动驾驶领域涉及的众多任务中,行人识别是必不可少的技术之一。针对基于图像数据的行人检测算法无法获得行人深度的问题,提出了基于激光雷达数据的行人检测算法。该算法结合传统基于激光雷达数据的运动目标识别算法和基于深度学习的点云识别算法,可以在不依赖图像数据的条件下感知和检测行人,进而获取行人的准确三维位置,辅助自动驾驶控制系统作出合理决策。该算法在KITTI三维目标检测任务数据集上进行性能测试,中等难度测试达到33.37%的平均准确度,其表现领先于其他基于激光雷达的算法,充分证明了该方法的有效性。     

基于度量学习的行人检测算法

针对拥挤场景下行人漏检率较高的问题,设计了新的类平衡策略.其次,采用度量学习方法改进目前的行人语义提取效果,并设计了新的距离度量方法.最后,结合提取的行人语义信息设计了新的非极大值抑制算法.在行人检测数据集CityPersons和CrowdHuman上,与目前的行人检测器进行对比,效果优于目前最优无锚框的行人检测器,同时也证明了度量学习方法在行人检测中的有效性.     

一种改进的实时凸壳算法

凸壳问题是计算机图形学、图像处理、模式识别等众多领域中的一个基本问题。正切线算法需对新加入的实时点进行实时编号,本文实现了对新加入点的自动编号,且增加一个实时点最多只需对2个单调段进行计算,提高了运算效率,在最坏情况下时间复杂度为。     

基于最优凸壳技术的Delaunay三角剖分算法

提出了一种基于最优凸壳技术的Delaunay三角剖分算法。该算法对离散点进行扫描线方式排序,利用最优凸壳技术进行凸壳的生成和三角网联结,最后利用有向边的拓扑结构进行三角网优化。该算法不但避免了所有的交点测试,而且使得新加入点与凸壳边的平均比较次数不大于4,从而实现了高效的三角剖分。     

基于凸壳技术的Delaunay三角网生成算法

该文提出了一种针对散乱点集的快速构建Delaunay的算法。该算法首先对散乱点按有向角进行排序,以排序后的点顺序为基础,利用凸壳特性快速将散乱点联结成三角网,最后利用拓扑结构快速将其优化为Delaunay三角网。在联网过程中,充分利用有序点子集的凸壳特性,避免了所有的交点测试,从而保证了对散乱点集生成Delaunay三角网的效率。     

海量数据凸壳快速优化算法研究

分析描述加速凸壳算法的基本思想.在分析传统的加速凸壳算法的基础上,根据加速算法剔除内点的时机将加速算法分成静态加速算法和动态加算法.同时阐述了动态加速算法的应用条件,并将动态加速算法应于金字塔凸壳算法之中.通过大量实验数据对比说明动态加速算法对提高平面海量散乱点集的生成速度非常有效。     

改进的三维点集凸包求取算法

为提高三维点集凸包的求取效率,提出充分利用凸包极值点和性质改进的三维点集凸包求取算法.首先,求出三维点集中的极值点,并由它们形成初步凸包;其次,根据初步凸包与点的位置关系,排除其内部点;最后,依次考察其外部点,求出符合要求的点集、棱边集和面集,并对凸包进行扩展,得到凸包的点集、棱边集和面集.与普通算法进行时间的复杂度分析比较及实验表明,该算法效率较高.     

基于场强和凸壳的SIFT特征点匹配算法

传统尺度不变特征变换(SIFT)匹配算法的匹配结果易受参数影响。为此,提出一种于场强和凸壳的SIFT特征点匹配算法。在原始SIFT匹配方法基础上,结合特征点群的凸壳,引入引力场强概念刻画特征点群之间的空间特征关系,以进行图像点模式匹配,在匹配中充分利用特征点的几何空间信息。实验结果表明,该算法具有较高的匹配正确率,能找到更多的特征匹配点。     

平面海量散乱点集凸壳算法

凸壳作为计算几何的一种基本的结构,对GIS的数据分析有着重要作用。在分析传统的凸壳算法的基础上,提出新的凸壳算法,即金字塔算法。同时采用3种快速算法提高执行效率。通过大量实验数据对比说明,算法对求平面海量散乱点集的凸壳非常有效,点集为10^7数量级的执行时间在主频为2．00GHz计算机上仅为3s～4s。     

基于凸多边形的凸壳算法

确定平面点集的凸壳问题在计算机图形学、图像处理、CAD／CAM、模式识别等众多领域中有广泛的应用。本文根据凸多边形的性质构建了一种新的基于凸多边形的凸壳算法，该算法利用X、y坐标的极值将凸多边形分为几个段，应用凸壳顶点有序性，分段计算凸壳的顶点而得到凸壳。理论分析和实验结果表明，该算法运行速度快效率高，具有较强的实用性。     

一种改进的构建凸包的分治算法

本文为构建离散点的凸包提出了一种改进的分治算法，它在查找每一个凸包顶点的同时，通过去除若干非凸包顶点来迅速减小问题的规模。本文对该算法的正确性给出了严格的证明。     

核子类凸包选样的核最近邻凸包分类器

为了保证核最近邻凸包分类器有效地处理大训练集的应用问题,本文提出一种与该分类器相结合的核子类凸包样本选择方法.核子类凸包样本选择方法是一个类内迭代算法,该算法在核空间里每次迭代选择一个距离选择集样本张成子类凸包最远的样本.在Head Pose Image Database系列1图像集上的实验中,本文方法不但可以取得较高的识别率,而且与未经选样的核最近邻凸包分类器相比,其执行速度要快许多.