基于BING似物性检测的行人快速检测算法*

针对传统滑动窗行人检测速度慢、实时性差的问题,提出了一种基于似物性的行人快速检测算法。首先,算法通过提取正负训练样本的规范化二进制梯度特征,训练级联SVM分类器得到行人似物检测模型。然后利用尺寸调节和聚类算法对初始候选区域进行聚类融合,进一步优化行人候选窗口区域。最后,提取各候选区域的HOG特征并利用SVM分类器对其进行进一步行人检测。实验结果表明：本算法在保证行人检测率的同时在检测实时性上有明显提高。     

基于似物性判别的视觉目标检测方法

提出了一种基于似物性判定理论的单图像视觉目标检测算法.在组合几何学的引导下遴选候选图像窗口;应用创新提出的基于图像分割的结构化特征结合支持向量机对候选窗口的似物性进行评分;根据评分对候选窗口进行排序遴选.在PASCAL VOC2007数据集上进行了定量验证,结果表明:当候选集容量为1000时,算法可达到96.1%的召回率.检测性能优于目标识别领域的4种经典算法.     

基于似物性的快速视觉目标识别算法

针对视觉目标识别算法实时性较差的问题,基于似物性提出一种面向视觉目标识别的可变部件模型改进算法。该算法首先对图像进行二进制归一化的似物性检测,并利用检测结果形成视觉目标候选框;然后使用目标识别算法对候选区域进行似然判决,比滑动窗口法缩短了搜索时间;最后通过一个快速扩大-缩小算法对检测目标进行尺度修正,提高目标框的准确度。在PASCAL 图像库上的识别结果表明:该识别方法在准确率上优于当前主流的检测模型,计算耗时较级联DPM算法减少约50%。     

基于PHOG特征的行人检测算法研究

HOG特征对行人轮廓有很好的描述能力,但基于HOG特征的行人检测存在检测速度慢、漏检率较高的问题,使得该算法的实践应用范围受限。本文针对检测速度慢、漏检率较高的问题,提出了一种基于PHOG特征的行人检测算法。首先,提出了PHOG特征,该特征对cell内的梯度特征进行强化,增大了目标与背景的梯度分布区别,从而使目标更容易被分类器学习和识别。然后提出了构建特征金字塔的方法,并对PHOG特征进行有效地降维,大幅度减少了检测时间。试验结果表明,本文提出的PHOG-PCA特征将漏检率从35%降到了22%,检测速度也比一些流行算法快。     

基于似然域背景差分的行人检测和跟踪方法

基于激光雷达的室内机器人行人检测、跟踪容易受到复杂背景的影响。针对这种情况,提出一种基于似然域背景差分的行人检测、跟踪和跟随系统。利用即时定位与地图构建算法获得陌生环境的二维栅格地图,通过蒙特卡洛定位获得机器人在地图中的后验位姿,利用似然域模型分割出前景对应的激光雷达数据后,进行行人的检测、跟踪以及跟随。实验结果表明,该系统使行人检测准确率提升3.49%,平均检测时间缩短近32%,有效降低复杂背景对多行人检测与跟踪的影响,实现机器人对目标行人的实时跟随。     

一种基于三角特征的行人检测算法

基于视频的行人检测技术是计算机视觉领域的重要问题,特征提取是行人检测技术的关键,大量的特征提取方法是基于Papageorgiou提出的矩形特征,但对于行人的边缘特性描述并不准确。针对adaboost算法,分析行人姿态的边缘特性,提出了四种较为有效的三角特征描述人体的外形局部特征,并推导了三角特征计算量与计算耗时的关系。与传统的矩形特征、非对称特征相比,三角特征能更有效的描述行人姿态,提高了行人检测的鲁棒性。     

视觉注意原理局部特征的行人检测

在复杂背景下检测行人,具有重要的理论和应用价值。为了适应此类场景中光照的变化和行人姿态的多样性,依据人眼视觉注意原理,提出基于视觉注意的局部特征。该特征具有光照和旋转不变性,并能用于多尺度分析。采用基于特征块的行人表示模型,行人被表示为特征块的集合。每一个特征块用基于视觉注意局部特征的统计直方图和位置关系表示。用聚类的方法得到基于特征块的行人模型。依据每一个特征块在检测窗口中的最大响应训练AdBoost检测分类器,并用困难负样本和可信样本提高检测分类器的性能。用滑动窗口方法在图像和尺度空间中找到检测分类器的局部最大响应,以确定行人位置。实验结果表明,与现有方法相比,本文方法对竖直边缘不敏感,可以处理一定程度的遮挡以及姿态变化。     

一种基于RGBD 图像的似物性采样算法

近年来,图像的似物性采样研究成为一个热门的研究领域。似物性采样是提取一 幅图像中可能成为任意目标的窗口,用于减少目标识别的搜索窗口。但目前有关似物性采样的 研究都是基于RGB 图像的,本文基于RGBD 图像的似物性采样算法,结合了目前RGB 图像似 物性采样最好的方法,并利用D 图的深度似物性特征,提出了基于贝叶斯框架的RGBD 图像的 似物性采样方法。在NYU Depth 数据集上实验证明了这些似物性描述方法的结合要比单独使用 任一种描述结果更优。最后,与目前流行的基于RGB 图像的似物性采样方法进行了对比实验, 证明了深度图的加入可以更好的优化似物性采样的结果。     

基于显著区域的行人检测算法

针对经典行人检测算法(HOG+SVM algorithm)因滑动窗口滑动次数过多引起的计算量过大问题,提出一种基于显著区域的行人检测算法。把提取的显著度和原图结合得出有效图,实现由整张图像行人检测到局部有效图行人检测的转变;用贝叶斯准则将有效区域和基于协方差的行人检测有机结合,达到在降低计算量的同时提高检测准确率的效果。在公开数据集INRIA上的实验结果表明,该算法降低了计算量,明显改善了误检率。     

基于多特征的行人检测算法

针对单特征辨识度较低的问题,提出一种基于多特征的行人检测方法.首先构造二维对数Gabor函数,利用此函数提取样本的相位一致性特征,将样本的相位一致性特征和样本的局部二值模式算子(LBP)特征相结合,得到新的行人检测方法.使用支持向量机(SVM)进行分类,并与基于HOG特征的检测方法进行比较,在INRIA行人数据库上的实验证明,基于多特征的检测方法提高了行人检测精度、降低了误检率,检测率高达99.4824％.     

基于计算机视觉的公交系统人流量检测算法

提出了一种基于计算机视觉的公交系统人流量检测方法。通过分析现场行人视频数据，运用图像处理的方法提取图像中通行的行人以及通过视场内的人流量，阐述了复杂背景、低分辨率和特殊拍摄角度条件下的人头特征曲线提取算法和基于部分椭圆弧的椭圆模板参数估算法，试验结果表明了该算法的正确性和有效性。     

基于DCT变换的多通道特征的行人检测

在行人检测中,针对目前多通道检测算法特征利用不充分的问题,提出一种基于DCT变换的多通道特征级联的行人检测算法。通过一种2层卷积网络模型将图像信息DCT变换后的数据进行整理,形成新的频域通道特征,该通道能描述行人的复杂纹理特征。结合梯度方向直方图特征、颜色空间特征和DCT频域特征,基于Adaboost算法训练了低开销的多通道特征行人检测器。在典型的公开行人库上的实验结果表明,该方法能提高检测的性能,在较低误检率时效果更加显著。     

基于改进HOG特征和SVM分类器的行人检测

本文首先研究了行人检测的方法和面临的难点,然后根据高斯平滑滤波器和双线性插值法对传统方向梯度直方图做了改进,并搭建了支持向量机模型,从而构建了基于改进HOG特征和SVM分类器的行人检测系统。实验结果显示,在明亮且无遮挡的场景下,矩形框精确地定位行人,在光照不足或存在轻微遮挡时可以大体定位到行人,表明该系统在明亮无遮挡的情况下有准确的结果,并且在昏暗和轻度遮挡下检测效果良好,最后通过对比可以得出,本文提出的方法总体效果优于传统HOG特征和SVM分类器的方法。     

基于几何信息先验分布的似物性推荐方法

似物性推荐是计算机视觉研究中的热门问题,其目的是用尽可能少的推荐窗口涵盖可能的兴趣目标,以显著地提升目标检测任务的计算效率。从组合几何学角度对该问题进行了分析,一种“完全窗口覆盖”的方法被提出,用少量窗口即可覆盖所有可能目标区域。对于尺寸不大于512×512的图像,约19000个窗口即可覆盖所有尺寸不小于16×16的目标区域。基于目标矩形的位置、尺寸的先验分布,可以使用贪心策略进一步地缩减窗口数量。为了适应不同图像集在小概率样本上的差异,提出了一种融合了贪心和随机方法的混合机制,其所需的计算量非常小,而且具有很好的泛化能力。在VOC2007测试集上,该混合机制可以在1000个推荐窗口上取得94.52%的召回率,其中在前10个热点推荐窗口上的召回率比其他方法平均高出13.99%~40.29%。     

基于部位检测和子结构组合的行人检测方法

提出了一种基于部位检测和子结构组合的、可用于辅助驾驶或视频监控系统中行人检测的方法.首先使用头部分类器在整幅图像中检测,得到感兴趣区域;然后在每个感兴趣区域内使用头部、躯干、腿部以及左臂和右臂5个人体部位检测器分别检测并使用基于子结构的检测组合方法对部位检测结果进行组合,以得到最终结果.在不同数据库上的实验结果表明,本方法可以有效地用于移动或静止摄像机所拍摄的视频图像中的多姿态及部分遮挡的行人检测.     

基于特征融合的行人检测技术

首先研究了三种不同的特征算子在基于图像行人检测中的应用. 他们分别是: 梯度直方图(Histogram of Oriented Gradient, HOG)、局部三值模式特征(Local Ternary Patterns, LTP)以及改进了的局部三值模式特征(Sqrt Local Ternary Patterns, S-LTP). 对以上三种特征算子进行了实验比较, 最后将HOG和S-LTP算子融合得到HOG+S-LTP的基于多特征的行人检测算子, 利用SVM分离器在INRIA人体库上进行了实验, 实验表明, 融合后的特征显著地提高了行人检测率, 同时也满足实时性要求.     

面向视频监控的自动行人检测

为了解决目前行人检测技术的检测速度和准确性之间的平衡问题,对基于视频的行人检测技术进行了研究,提出了利用LUV颜色空间信息与C4行人检测算法相结合的视频自动行人检测方法(LUVC4)。首先利用C4行人检测算法快速遍历视频的每帧图像,当得到的窗口置信度在可疑区间时,再进一步对该窗口做LUV颜色空间检测。如果两次检测的加权和分数满足阈值,则判别为行人。通过大量实验表明,该方法在检测速度几乎能达到C4速度的同时,还能在FPPI为0.1时降低约9%的漏检率。     

基于激光扫描技术的行人检测方法研究

基于激光测距传感器,通过激光扫描实时获取周围环境的激光点云数据,并处理和分析点云数据,实现对环境中行人的检测。提出的行人检测算法基于实时获取的点云数据,采用帧逐差的方法初步确定行人所对应的点云,并通过估计行人身体尺寸和对应点云数量来提高检测率。实验中测试了角分辨率、扫描频率、行进路线以及行进速度的多种组合下行人检测的准确率,通过分析激光传感器参数配置对行人检测的影响及不同行进方向上的检测性能,得出最优传感器配置和检测方案。 实验结果验证了利用激光测量传感器检测行人的方法的可行性,并得出了初步的检测步骤及思路。