基于组合树形结构的多特征协同识别行人方法

发布时间：2019-03-25 15:59

【摘要】：采取Edgelet特征和聚集型B-Haar特征相结合,协同进行特征提取,设计开发出具有树形组合结构的行人识别模型。该模型的上层结构为:通过改进具有Haar特征(此处称为聚集型B-Haar特征),在完全二叉树架构的基础上,同局部二元模式相结合,对候选人目标进行提取,最终提高检测识别率;该模型的下层结构为:在贝叶斯原理和Edgelet特征相结合的基础上,构建树状决策结构,对多部位进行检测,找寻出行人。实验结果与传统的串并联结构和树状结构进行比较,设计开发的多特征协同树状组合决策结构行人识别方法更具优势,能够更好地保证实时性,降低虚警率,提高检测率。
[Abstract]:Based on the combination of Edgelet features and aggregated B-Haar features, a pedestrian identification model with tree-shaped composite structure is designed and developed by means of collaborative feature extraction. The upper structure of the model is as follows: firstly, the candidate target is extracted by improving the Haar feature (here called aggregated B-Haar feature) and combining with the local binary pattern on the basis of the complete binary tree architecture. Finally, the detection recognition rate is improved; The lower structure of the model is as follows: on the basis of the combination of Bayesian principle and Edgelet feature, the tree decision structure is constructed, and the multi-position detection is carried out to find the person out of the tree. Compared with the traditional series-parallel structure and tree structure, the design and development of the multi-feature collaborative decision-making structure pedestrian identification method has more advantages, can better ensure real-time performance, reduce false alarm rate, and improve the detection rate.
【作者单位】： 江苏海事职业技术学院信息工程系;东南大学交通学院;
【基金】：美国能源基金会资助项目(G-1408-16758) 江苏省教师素质提高研究计划项目(2013SJB880020)
【分类号】：U495

【参考文献】

相关期刊论文 前6条

1 黄佐;徐奕;杨小康;;一种基于光流法的逆行异常事件检测方法[J];电视技术;2011年13期

2 田广;戚飞虎;;移动摄像机环境下基于特征变换和SVM的分级行人检测算法[J];电子学报;2008年05期

3 付洋;宋焕生;陈艳;朱小平;;一种基于视频的道路行人检测方法[J];电视技术;2012年13期

4 薛丽霞;罗艳丽;王佐成;;基于帧间差分的自适应运动目标检测方法[J];计算机应用研究;2011年04期

5 施培蓓;胡玉娟;;基于快速级联分类的行人检测系统[J];计算机工程;2013年08期

6 田广;戚飞虎;朱文佳;毛欣;陈磐君;;单目移动拍摄下基于人体部位的行人检测[J];系统仿真学报;2006年10期

相关博士学位论文 前1条

1 许言午;面向行人检测的组合分类计算模型与应用研究[D];中国科学技术大学;2009年

【共引文献】

相关期刊论文 前10条

1 韩红桂;李淼;乔俊飞;;基于模型输出敏感度分析的动态神经网络结构设计[J];电子学报;2010年03期

2 文学志;方巍;郑钰辉;;一种基于类Haar特征和改进AdaBoost分类器的车辆识别算法[J];电子学报;2011年05期

3 韩红;伍星;;基于Bandelet变换与人体部位的人体检测方法[J];电子学报;2011年08期

4 刘威;于红绯;杨恒;段勃勃;袁淮;赵宏;;一种新的基于单目视觉的广义障碍物检测方法[J];电子学报;2011年08期

5 苏松志;李绍滋;陈淑媛;蔡国榕;吴云东;;行人检测技术综述[J];电子学报;2012年04期

6 戴健文;冯超;黄冬丽;张金丽;于双;张芳;;行人检测分类器的研究与设计[J];电脑知识与技术;2012年29期

7 黄冬丽;戴健文;冯超;张金丽;于双;张芳;;HOG特征提取中的三线性插值算法[J];电脑知识与技术;2012年31期

8 徐国强;王登位;石文君;;基于Split Bregman迭代求解水平集框架模型的运动目标检测[J];电光与控制;2013年03期

9 侯清涛;姜同庆;岳明;刘昱;;基于视频分析的行人检测[J];科技和产业;2013年03期

10 周建英;吴小培;张超;吕钊;;基于滑动窗的混合高斯模型运动目标检测方法[J];电子与信息学报;2013年07期

相关会议论文 前1条

1 李胜明;陈斌;曾勇;;一种基于差分的子弹提取改进算法[A];第22届全国结构工程学术会议论文集第Ⅲ册[C];2013年

相关博士学位论文 前10条

1 刘献如;视频图像序列目标跟踪算法及其应用研究[D];中南大学;2011年

2 聂方彦;图像阈值化与目标分割方法中的若干问题研究[D];重庆大学;2010年

3 赵敏;单目视觉多行人目标检测与跟踪技术研究[D];重庆大学;2010年

4 沈\，

本文编号：2447114