计算机应用
計算機應用
계산궤응용
Journal of Computer Applications
2015年
11期
3293-3296
,共4页
显著性因子%局部纹理特征%感兴趣区域提取%AdaBoost分类器%行人检测
顯著性因子%跼部紋理特徵%感興趣區域提取%AdaBoost分類器%行人檢測
현저성인자%국부문리특정%감흥취구역제취%AdaBoost분류기%행인검측
significant factor%local texture feature%interest region extraction%AdaBoost classifier%pedestrian detection
针对基于纹理信息的行人特征提取算法中存在特征信息冗余度大,无法刻画人眼视觉敏感性的不足,提出一种融合人类视觉感知特性的基于显著性局部二值模式(SF-LBP)的行人纹理特征提取算法.该算法首先采用显著性计算方法提取感兴趣区域得到各部分的显著性因子;然后将显著性因子权值与行人纹理特征根据核函数相融合,生成基于SF-LBP算子的特征向量;接着统计不同区域的特征向量,形成特征直方图;最后结合自适应AdaBoost分类器拘建实验平台进行实验.INRIA数据集中的实验结果显示,SF-LBP特征在检测准确率上比梯度直方图(HOG)特征、Haar特征高出2%~3%,达到97%,召回率达到90%,提高了2%左右,表明SF-LBP算子能够准确描述行人的纹理特征,提高行人检测系统的准确率.
針對基于紋理信息的行人特徵提取算法中存在特徵信息冗餘度大,無法刻畫人眼視覺敏感性的不足,提齣一種融閤人類視覺感知特性的基于顯著性跼部二值模式(SF-LBP)的行人紋理特徵提取算法.該算法首先採用顯著性計算方法提取感興趣區域得到各部分的顯著性因子;然後將顯著性因子權值與行人紋理特徵根據覈函數相融閤,生成基于SF-LBP算子的特徵嚮量;接著統計不同區域的特徵嚮量,形成特徵直方圖;最後結閤自適應AdaBoost分類器拘建實驗平檯進行實驗.INRIA數據集中的實驗結果顯示,SF-LBP特徵在檢測準確率上比梯度直方圖(HOG)特徵、Haar特徵高齣2%~3%,達到97%,召迴率達到90%,提高瞭2%左右,錶明SF-LBP算子能夠準確描述行人的紋理特徵,提高行人檢測繫統的準確率.
침대기우문리신식적행인특정제취산법중존재특정신식용여도대,무법각화인안시각민감성적불족,제출일충융합인류시각감지특성적기우현저성국부이치모식(SF-LBP)적행인문리특정제취산법.해산법수선채용현저성계산방법제취감흥취구역득도각부분적현저성인자;연후장현저성인자권치여행인문리특정근거핵함수상융합,생성기우SF-LBP산자적특정향량;접착통계불동구역적특정향량,형성특정직방도;최후결합자괄응AdaBoost분류기구건실험평태진행실험.INRIA수거집중적실험결과현시,SF-LBP특정재검측준학솔상비제도직방도(HOG)특정、Haar특정고출2%~3%,체도97%,소회솔체도90%,제고료2%좌우,표명SF-LBP산자능구준학묘술행인적문리특정,제고행인검측계통적준학솔.