针对基于单特征红外图像行人识别准确率低的问题,提出一种基于梯度方向直方图(HOG)、积分通道特征(ICF)和强度自适应特征(ISS)的多特征融合红外图像行人检测的新方法。首先,分别提取训练样本的HOG、积分通道和ISS特征,用主成分分析(PCA...针对基于单特征红外图像行人识别准确率低的问题,提出一种基于梯度方向直方图(HOG)、积分通道特征(ICF)和强度自适应特征(ISS)的多特征融合红外图像行人检测的新方法。首先,分别提取训练样本的HOG、积分通道和ISS特征,用主成分分析(PCA)算法对提取的ISS特征进行降维,然后通过并行加权特征融合方法把HOG、积分通道和降维后的ISS特征相融合,并用融合后的特征训练支持向量机(SVM)分类器,最后用训练好的SVM分类器进行行人识别检测。LSI Far Infrared Pedestrian Dataset红外行人图像数据库上的实验证明,基于多特征的红外图像行人检测方法明显优于经典的HOG和局部二值模式(LBP)单特征方法,提高了检测精度,降低了误检率。展开更多
针对目前关键帧提取存在的关键帧数目难以确定、对内容渐变的视频的处理效果欠佳和算法复杂等问题,文章提出一种自适应的视频关键帧提取方法,利用梯度方向直方图(histogram of oriented gradients,HOG)特征计算当前帧的代表性指标,初步...针对目前关键帧提取存在的关键帧数目难以确定、对内容渐变的视频的处理效果欠佳和算法复杂等问题,文章提出一种自适应的视频关键帧提取方法,利用梯度方向直方图(histogram of oriented gradients,HOG)特征计算当前帧的代表性指标,初步选出候选关键帧,使用结合目标分割和颜色直方图的高级特征进行冗余度检查,最终确定关键帧集合。通过对大量包含各种场景的视频进行实验,结果表明使用该文算法提取的关键帧能更全面地表达视频的主要内容,尤其是处理内容渐变的视频时,效果更佳,并且能够根据视频的内容自适应地确定关键帧数目。展开更多
This paper presents a human detection system in a vision-based hospital surveillance environment. The system is composed of three subsystems, i.e. background segmentation subsystem （BSS）, human feature extraction su...This paper presents a human detection system in a vision-based hospital surveillance environment. The system is composed of three subsystems, i.e. background segmentation subsystem （BSS）, human feature extraction subsystem （HFES）, and human recognition subsystem （HRS）. The codebook background model is applied in the BSS, the histogram of oriented gradients （HOG） features are used in the HFES, and the support vector machine （SVM） classification is employed in the HRS. By means of the integration of these subsystems, the human detection in a vision-based hospital surveillance environment is performed. Experimental results show that the proposed system can effectively detect most of the people in hospital surveillance video sequences.展开更多
已有的利用图像处理进行物体清点的方法对物体本身和背景条件的统一性要求较高,不具备通用性和较高抗干扰能力,而一些准确率较高的算法计算复杂度高,难以满足生产流水线上实时性要求,因此提出一种高灵活性、高鲁棒性及通用的采用候选框...已有的利用图像处理进行物体清点的方法对物体本身和背景条件的统一性要求较高,不具备通用性和较高抗干扰能力,而一些准确率较高的算法计算复杂度高,难以满足生产流水线上实时性要求,因此提出一种高灵活性、高鲁棒性及通用的采用候选框提取的可变形部件模型快速物体清点方法,使用快速特征金字塔来训练可变形部件模型,并通过对物体梯度方向直方图(Histograms of Oriented Gradients,HOG)特征按能量大小区域旋转的方法来提高算法的抗旋转能力;然后使用改进的基于先验信息的edge boxes算法提取目标候选框,再对候选框使用训练好的可变形部件模型进行检测;检测出的目标数量即为物体数量。设计了多组对照试验,结果证明,该方法具有较高的通用性和鲁棒性,在准确性和检测效率上也完全能够达到工业生产中实时检测系统的要求。展开更多
文摘针对基于单特征红外图像行人识别准确率低的问题,提出一种基于梯度方向直方图(HOG)、积分通道特征(ICF)和强度自适应特征(ISS)的多特征融合红外图像行人检测的新方法。首先,分别提取训练样本的HOG、积分通道和ISS特征,用主成分分析(PCA)算法对提取的ISS特征进行降维,然后通过并行加权特征融合方法把HOG、积分通道和降维后的ISS特征相融合,并用融合后的特征训练支持向量机(SVM)分类器,最后用训练好的SVM分类器进行行人识别检测。LSI Far Infrared Pedestrian Dataset红外行人图像数据库上的实验证明,基于多特征的红外图像行人检测方法明显优于经典的HOG和局部二值模式(LBP)单特征方法,提高了检测精度,降低了误检率。
文摘针对目前关键帧提取存在的关键帧数目难以确定、对内容渐变的视频的处理效果欠佳和算法复杂等问题,文章提出一种自适应的视频关键帧提取方法,利用梯度方向直方图(histogram of oriented gradients,HOG)特征计算当前帧的代表性指标,初步选出候选关键帧,使用结合目标分割和颜色直方图的高级特征进行冗余度检查,最终确定关键帧集合。通过对大量包含各种场景的视频进行实验,结果表明使用该文算法提取的关键帧能更全面地表达视频的主要内容,尤其是处理内容渐变的视频时,效果更佳,并且能够根据视频的内容自适应地确定关键帧数目。
基金supported by the“MOST”under Grant No.103-2221-E-468-008-MY2
文摘This paper presents a human detection system in a vision-based hospital surveillance environment. The system is composed of three subsystems, i.e. background segmentation subsystem （BSS）, human feature extraction subsystem （HFES）, and human recognition subsystem （HRS）. The codebook background model is applied in the BSS, the histogram of oriented gradients （HOG） features are used in the HFES, and the support vector machine （SVM） classification is employed in the HRS. By means of the integration of these subsystems, the human detection in a vision-based hospital surveillance environment is performed. Experimental results show that the proposed system can effectively detect most of the people in hospital surveillance video sequences.
文摘已有的利用图像处理进行物体清点的方法对物体本身和背景条件的统一性要求较高,不具备通用性和较高抗干扰能力,而一些准确率较高的算法计算复杂度高,难以满足生产流水线上实时性要求,因此提出一种高灵活性、高鲁棒性及通用的采用候选框提取的可变形部件模型快速物体清点方法,使用快速特征金字塔来训练可变形部件模型,并通过对物体梯度方向直方图(Histograms of Oriented Gradients,HOG)特征按能量大小区域旋转的方法来提高算法的抗旋转能力;然后使用改进的基于先验信息的edge boxes算法提取目标候选框,再对候选框使用训练好的可变形部件模型进行检测;检测出的目标数量即为物体数量。设计了多组对照试验,结果证明,该方法具有较高的通用性和鲁棒性,在准确性和检测效率上也完全能够达到工业生产中实时检测系统的要求。
