结合SVM分类器与HOG特征提取的行人检测

发布时间：2018-03-11 08:51

  本文选题：现场可编程门阵列　切入点：流水线　出处：《计算机工程》2016年01期 　论文类型：期刊论文

【摘要】：针对基于方向梯度直方图(HOG)的行人检测方案存在运算量大、实时性差的问题,设计一个内嵌支持向量机(SVM)分类器的HOG特征提取归一化模块,并将其应用于行人检测。提出两级流水线架构,第1级采用16×16像素块扫描,并结合查找表的方式生成HOG,以减少乘法器资源消耗量,第2级将15路并行SVM内嵌到HOG归一化模块中,通过提前启动SVM降低15路SVM乘累加器的位宽。利用面向硬件实现的自动消除检测重复性算法,进一步提高检测准确性。实验结果表明,该方案能够以100 MHz时钟频率运行在Spartan6 FPGA芯片上,每秒可处理47帧SVGA(800×600)分辨率的图像,具有较高的行人检测实时性和准确率。
[Abstract]:Aiming at the problems of large computation and poor real-time performance in pedestrian detection scheme based on directional gradient histogram (hog), a HOG feature extraction normalization module of embedded support vector machine (SVM) classifier is designed. It is applied to pedestrian detection. A two-level pipeline architecture is proposed. In the first stage, 16 脳 16 pixel block scanning is used, and the hog is generated in combination with lookup table, so as to reduce the resource consumption of multiplier. In the second stage, 15 parallel SVM are embedded in the HOG normalization module. The bit width of 15 SVM multiplier accumulators is reduced by starting SVM ahead of time. The detection accuracy is further improved by hardware oriented automatic elimination of detection repeatability. The experimental results show that, This scheme can run on Spartan6 FPGA chip at 100 MHz clock frequency, and can process 47 frames of SVGA(800 脳 600) resolution images per second. It has high real-time and accuracy of pedestrian detection.
【作者单位】： 深圳大学信息工程学院;深圳市振华微电子有限公司;
【基金】：深圳市战略新兴产业发展专项基金资助项目“神经形态学视觉芯片模型研究及仿真”(JCYJ20140418095735603)
【分类号】：TP391.41

【相似文献】

相关期刊论文 前10条

1 孙加庆;具有自学习功能的分类器的自动生成[J];计算机时代;2002年12期

2 潘翔,姚明海,陈国华;多分类器的一种动态联合方法[J];计算机工程与应用;2002年12期

3 王正群,孙兴华,杨静宇;多分类器组合研究[J];计算机工程与应用;2002年20期

4 唐春生,金以慧;基于全信息矩阵的多分类器集成方法[J];软件学报;2003年06期

5 唐春生;金以慧;;权重自适应调整的多分类器集成判决及其在文本分类中的应用[J];计算机科学;2003年01期

6 刘宁钟;杨静宇;;基于遗传算法的组合式分类器选择[J];模式识别与人工智能;2003年03期

7 刘陶,邱望仁,晏志勇;一种关联回归模糊分类器[J];福建电脑;2005年10期

8 张冬慧;孙波;王鹏;程显毅;;权值自适应调整的多分类器融合算法[J];计算机工程;2008年10期

9 陈景年;黄厚宽;田凤占;邱桃荣;;一种有效的不完整数据分类器[J];计算机科学;2008年09期

10 侯韬;刘加;;说话人确认技术中的一种分类器选择方法[J];清华大学学报(自然科学版);2010年04期

相关会议论文 前10条

1 王占一;徐蔚然;刘东鑫;郭军;;一种基于两级分类器的垃圾短信过滤方法[A];第五届全国信息检索学术会议论文集[C];2009年

2 翟静;李海宏;唐常杰;陈敏敏;李智;;可验证对象集分类器的再训练演进[A];第十九届全国数据库学术会议论文集（研究报告篇）[C];2002年

3 陈继航;刘家锋;赵巍;唐降龙;;联机手写识别笔段特征分类器的学习方法[A];黑龙江省计算机学会2009年学术交流年会论文集[C];2010年

4 穆明生;;基于特征集的多种分类器模型的在线笔迹认证[A];第十届全国信号处理学术年会（CCSP-2001）论文集[C];2001年

5 彭涛;左万利;赫枫龄;;基于链接上下文的分类器主题爬行技术(英文)[A];第二十三届中国数据库学术会议论文集（技术报告篇）[C];2006年

6 王岚;陈珂;迟惠生;;基于多特征组合多分类器的方法用于“与文本无关”的说话人辨认[A];第四届全国人机语音通讯学术会议论文集[C];1996年

7 胡琼;汪荣贵;胡韦伟;孙见青;;基于级联分类器的快速人脸检测方法[A];计算机技术与应用进展·2007——全国第18届计算机技术与应用（CACIS）学术会议论文集[C];2007年

8 宋巍;张宇;谢毓彬;高汉东;刘挺;李生;;利用URL类别改进查询主题分类[A];第六届全国信息检索学术会议论文集[C];2010年

9 李方涛;张显;孙建树;朱小燕;;一种新的层次化结构问题分类器[A];第三届全国信息检索与内容安全学术会议论文集[C];2007年

10 雷蕾;吴乃君;刘鹏;刘兰娟;;灵敏度分析:分类器中的缺失数据[A];第11届海峡两岸信息管理发展策略研讨会论文集[C];2005年

相关硕士学位论文 前10条

1 邹金凤;基于综合评价理论的多分类器容器[D];大连理工大学;2005年

2 高凤娥;分布式环境下多分类器识别和应用[D];西安电子科技大学;2006年

3 王国林;基于分类器融合的人脸识别研究[D];江苏科技大学;2011年

4 张晨;多维约束下代价敏感集成分类器的研究[D];广西师范大学;2009年

5 郭瑜;铸坯冷酸蚀图像分类器的设计及研究[D];华中科技大学;2009年

6 孙利;基于多分类器和双视角信息融合的乳腺钼靶图像病灶分类算法研究[D];杭州电子科技大学;2011年

7 孙丽娜;集成异种分类器分类稀有类[D];郑州大学;2007年

8 张岚;基于几何代数的可视化分类器研究[D];燕山大学;2013年

9 俞晶晶;基于多级分类器的人脸检测系统研究[D];北京邮电大学;2011年

10 刘文瑶;多分类器系统中的组合方法及差异性度量研究[D];浙江大学;2005年

，

本文编号：1597448