共查询到10条相似文献,搜索用时 15 毫秒
1.
2.
行人检测是物体检测领域的一大难点。为了更加快速地检测行人,将人脸检测中Boosted Cascade算法应用到行人检测中,并对其进行了改进,即先利用加权平均矢量投影的方法将高维的梯度直方图特征化为1维,再利用lookup table进行概率密度估计,从而将Gentle Adaboost成功地应用于行人检测。实验表明,该方法不仅训练时间短、检测速度快,而且检测精度接近目前的最佳水平。 相似文献
3.
4.
行人再识别通过大时空范围内跨摄像机目标行人图像的检索与匹配,可实现人脸等生物特征失效情况下的行人关联,已成为智能视频监控系统的关键环节和支撑技术,并在智慧公安、智慧城市等国民经济建设中发挥了重要作用。近年行人再识别技术吸引了越来越多的关注,并取得了快速发展与进步。本文在对行人再识别技术进行简介的基础上,面向行人再识别的技术发展和落地应用需求与挑战,总结分析遮挡行人再识别、无监督行人再识别、虚拟数据生成、域泛化行人再识别、换装行人再识别、跨模态行人再识别和行人搜索等热点方向的前沿进展,归纳其发展现状和存在问题,最后对行人再识别技术的发展趋势进行展望。希望通过总结和分析,能够为研究人员开展行人再识别相关研究、推动行人再识别技术进步提供参考。 相似文献
5.
传统的目标检测算法在复杂环境下受到背景因素的干扰,分割出来的目标往往不能满足后期处理的需要;由于分割的好坏直接影响后期的目标跟踪的实时性和精确性的高低。鉴于此,在进行图像跟踪和识别之前,先对目标进行检测和精准的分割,提出了在AdaBoost算法中在原始Harr_like特征的基础上添加梯形特征,检测出目标的大致位置,将其作为蛇形分割的初始位置,改进蛇形分割的能量函数,分割的行人边界逐步进行收缩直至能量最小,提取出行人的真正区域。对比性实验表明改进后的算法满足实时性要求和精度要求,在一定程度上达到智能化的需求。 相似文献
6.
7.
由于以往的行人跟踪方法大部分不能有效地解决目标被遮挡后以及目标尺寸变化再跟踪的问题,所以引入了深度学习的方法,但是经实验发现单纯使用深度学习行人跟踪会因行人检测部分的误差而出现整体的跟踪准确率不高的问题。提出了一种基于深度学习和时空约束后处理的行人跟踪方法,深度学习的行人检测部分采用了根据实际应用场景优化过的SSD算法,行人匹配部分采用了一种计算交叉输入领域差异然后进行块总结的方法,最后进行时空约束的后处理。在OTB数据集上做实验,与传统跟踪算法以及单纯深度学习算法进行了对比。 相似文献
8.
9.
李杰 《计算机科学与探索》2022,16(3):661-668
针对现有行人再识别算法在处理图像分辨率低、光照差异、姿态和视角多样等情况时,准确率低的问题,提出了基于空间注意力和纹理特征增强的多任务行人再识别算法.算法设计的空间注意力模块更注重与行人属性相关的潜在图像区域,融入属性识别网络,实现属性特征的挖掘;提出的行人再识别网络的纹理特征增强模块通过融合不同空间级别所对应的全局和... 相似文献
10.
行人运动建模及仿真研究综述 总被引:4,自引:2,他引:2
根据行人运动建模及仿真发展历史以及已经提出的一些模型和算法,从宏观和微观两个层面对行人运动建模策略进行系统分析,包括宏观建模策略:行人动力学模型、空间交互/熵最大化模型以及微观建模策略:元胞自动机模型、磁力场模型、社会力模型、智能体模型、空间句法模型、马尔可夫模型.在建模策略分析基础上,重点研究了Legion,PAXPORT,NOMAD,STEPS以及BuildingEXODUS五种主流行人仿真系统,总结了各系统的建模思想、核心模型及优缺点.指出了未来行人系统建模及仿真的研究趋势. 相似文献