计算机光盘软件与应用
計算機光盤軟件與應用
계산궤광반연건여응용
COMPUTER CD SOFTWARE ADN APPLICATIONS
2014年
4期
213-214,216
,共3页
HOG%SVM%多尺寸HOG%头肩检测
HOG%SVM%多呎吋HOG%頭肩檢測
HOG%SVM%다척촌HOG%두견검측
本文针对考场场景中考生检测问题，提出了一种以头肩肘特征作为考生识别依据的改进的HOG算法。该算法使用多尺寸的Block和Cell，对于小目标减小Cell尺寸及步长，使用2：1、1：1Block代替传统的1：1Block，使之有效检测考生目标。实验中经过基于多尺寸HOG特征的SVM分类器的精细验证，完成了考生头肩肘的检测识别，此算法准确率高于82%。
本文針對攷場場景中攷生檢測問題，提齣瞭一種以頭肩肘特徵作為攷生識彆依據的改進的HOG算法。該算法使用多呎吋的Block和Cell，對于小目標減小Cell呎吋及步長，使用2：1、1：1Block代替傳統的1：1Block，使之有效檢測攷生目標。實驗中經過基于多呎吋HOG特徵的SVM分類器的精細驗證，完成瞭攷生頭肩肘的檢測識彆，此算法準確率高于82%。
본문침대고장장경중고생검측문제，제출료일충이두견주특정작위고생식별의거적개진적HOG산법。해산법사용다척촌적Block화Cell，대우소목표감소Cell척촌급보장，사용2：1、1：1Block대체전통적1：1Block，사지유효검측고생목표。실험중경과기우다척촌HOG특정적SVM분류기적정세험증，완성료고생두견주적검측식별，차산법준학솔고우82%。
