计算机工程
計算機工程
계산궤공정
COMPUTER ENGINEERING
2014年
9期
204-209
,共6页
二维离散小波变换%行人检测%局部二值模式特征%局部梯度模式特征%特征融合%支持向量机
二維離散小波變換%行人檢測%跼部二值模式特徵%跼部梯度模式特徵%特徵融閤%支持嚮量機
이유리산소파변환%행인검측%국부이치모식특정%국부제도모식특정%특정융합%지지향량궤
two-dimensional discrete wavelet transform%pedestrian detection%Local Binary Pattern ( LBP ) feature%Local Gradient Pattern( LGP) feature%feature fusion%Support Vector Machine( SVM)
提出一种基于二维离散Haar小波变换的局部二值模式( LBP )与局部梯度模式( LGP )的特征融合方法。对图像进行二维离散Haar小波变换，得到4个不同频率的子图像，对低频部分子图像提取LBP特征，对3个高频部分子图像提取LGP特征，将3个LGP特征并接融合后与LBP特征串接融合进行行人检测。在Matlab环境下利用支持向量机( SVM)对INRIA数据集进行5组实验，分别将该方法与梯度方向直方图( HOG)、金字塔梯度方向直方图( PHOG)、LBP、LGP进行检测率、检测时间、光照鲁棒性以及噪声鲁棒性对比。综合各项实验数据表明，该方法在光照鲁棒性以及噪声鲁棒性方面都能取得更好的效果。
提齣一種基于二維離散Haar小波變換的跼部二值模式( LBP )與跼部梯度模式( LGP )的特徵融閤方法。對圖像進行二維離散Haar小波變換，得到4箇不同頻率的子圖像，對低頻部分子圖像提取LBP特徵，對3箇高頻部分子圖像提取LGP特徵，將3箇LGP特徵併接融閤後與LBP特徵串接融閤進行行人檢測。在Matlab環境下利用支持嚮量機( SVM)對INRIA數據集進行5組實驗，分彆將該方法與梯度方嚮直方圖( HOG)、金字塔梯度方嚮直方圖( PHOG)、LBP、LGP進行檢測率、檢測時間、光照魯棒性以及譟聲魯棒性對比。綜閤各項實驗數據錶明，該方法在光照魯棒性以及譟聲魯棒性方麵都能取得更好的效果。
제출일충기우이유리산Haar소파변환적국부이치모식( LBP )여국부제도모식( LGP )적특정융합방법。대도상진행이유리산Haar소파변환，득도4개불동빈솔적자도상，대저빈부분자도상제취LBP특정，대3개고빈부분자도상제취LGP특정，장3개LGP특정병접융합후여LBP특정천접융합진행행인검측。재Matlab배경하이용지지향량궤( SVM)대INRIA수거집진행5조실험，분별장해방법여제도방향직방도( HOG)、금자탑제도방향직방도( PHOG)、LBP、LGP진행검측솔、검측시간、광조로봉성이급조성로봉성대비。종합각항실험수거표명，해방법재광조로봉성이급조성로봉성방면도능취득경호적효과。
This paper presents a two-dimensional discrete wavelet transform Haar Local Binary Pattern ( LBP ) with Local Gradient Pattern ( LGP ) feature fusion method Haar-LL. The image of the two-dimensional discrete wavelet transform Haar,to thereby obtains four different frequency sub-images,and extracts the low frequency part of the LBP feature,three high-frequency sub-images of the LGP feature extraction,and takes the three characteristics of LGP parallel fusion and LBP features for serial fusion. Under the Matlab environment using Support Vector Machine( SVM) on the INRIA data set for five experimental groups INRIA dataset experiments carried out on five groups, respectively, with Histograms of Oriented Gradients( HOG) ,Pyramid of Histograms of Orientation Gradients( PHOG) ,LBP,LGP detection rate,detection time,light and noise robustness contrast. Comprehensive various experimental data show that the robustness of illumination and noise is better.
