采用在线高斯模型的行人检测候选框快速生成方法

发布时间：2017-08-06 02:23

  本文关键词：采用在线高斯模型的行人检测候选框快速生成方法

  更多相关文章： 机器视觉 行人检测 高斯模型 检测率 尺度信息

【摘要】：行人检测是模式识别及机器学习领域的研究热点之一,广泛应用于智能监控、辅助驾驶等领域,而行人候选框的生成是识别及跟踪行人目标的一项重要的前期工作。针对静态监控场景以及特定情况下的车载监控场景,提出了一种基于在线高斯模型的行人检测候选框的快速生成方法(OL_GMPG)。该方法采用高斯模型拟合行人尺寸分布,可以通过生成较少数目的行人候选框达到较高的检测率;并可通过高斯模型的学习与更新过程,获取场景中行人频繁出现的位置以及对应的目标尺度信息,为后续的行人识别及跟踪过程提供辅助。
【作者单位】： 重庆大学通信工程学院;
【关键词】： 机器视觉 行人检测 高斯模型 检测率 尺度信息
【基金】：国家自然科学基金(61108086) 重庆市自然科学基金(cstc2016shmszx0111) 中央高校基金(106112014CDJZR165503)
【分类号】：TP391.41
【正文快照】： 行人检测是模式识别及机器学习领域的研究热点之一,被广泛应用于智能监控、辅助驾驶等领域。现有方法一般采用生成检测候选区域和行人识别两个步骤来进行,即先在图像中选择可能为行人目标的区域,然后采用各种识别算法对该区域进行检测,以确定是否为行人目标。行人识别主要采用

【相似文献】

中国期刊全文数据库 前10条

1 宗苏;;人类肤色识别中高斯模型的应用[J];中小企业管理与科技(下旬刊);2011年12期

2 崔德友;;基于高斯模型的污损纸币识别算法研究[J];计算机仿真;2012年03期

3 胡学刚;刘忠振;;基于高斯模型和卡尔曼预测的检测与跟踪[J];计算机工程与设计;2013年01期

4 王传旭;李雪;;基于高斯模型和支持向量机的人脸检测方法[J];微计算机信息;2009年24期

5 朱华生;叶军;;基于改进高斯模型的车流量检测算法[J];激光与红外;2013年10期

6 屈志毅,陈建华,黄鹤鸣;一种基于高斯模型的人脸检测方法[J];兰州大学学报;2003年06期

7 张玉超;;基于高斯模型的运动目标检测技术研究[J];电脑与电信;2012年11期

8 张新铭;张晓凯;宋健;;基于MATLAB仿真的火电厂环境影响的研究[J];微计算机信息;2012年06期

9 李志明;汪太月;李宏伟;;基于非对称广义高斯模型的局部优化检测中的应用[J];海南大学学报(自然科学版);2009年01期

10 林晓丹;;基于广义高斯模型的音频篡改盲检测[J];计算机工程与设计;2013年09期

中国重要会议论文全文数据库 前3条

1 芮挺;廖明;方虎生;朱经纬;;基于相关性与高斯模型的运动目标分割[A];第七届和谐人机环境联合学术会议（HHME2011)论文集【oral】[C];2011年

2 王婷婷;宋恩彬;;低复杂度的渐近最优N-P检测[A];第25届中国控制与决策会议论文集[C];2013年

3 刘加珍;陈亚宁;陈永金;朱海勇;;基于高斯模型的植物种群的耐旱性分析——以塔里木河流域的荒漠河岸林植物为例[A];发挥资源科技优势 保障西部创新发展——中国自然资源学会2011年学术年会论文集（下册）[C];2011年

中国硕士学位论文全文数据库 前10条

1 程云;基于廉价传感器的城市大气颗粒污染物监测系统[D];哈尔滨工业大学;2015年

2 黄岩;基于夫琅禾费近似的多元高斯模型相控阵辐射声场计算[D];哈尔滨工业大学;2015年

3 郑晓利;基于编码模型的目标跟踪算法研究[D];西安电子科技大学;2014年

4 梁俊丽;数字化工厂预警系统设计与实现[D];山东理工大学;2015年

5 王井东;线性与核高斯模型及其混合模型的研究[D];清华大学;2004年

6 张楠;基于增广高斯模型的语音活动性检测算法研究[D];吉林大学;2005年

7 宋海礁;复杂情况下的运动目标检测[D];吉林大学;2012年

8 欧阳俊强;长春市环保局大气污染模拟系统的设计与实现[D];吉林大学;2013年

9 许丽华;人脸识别的贝叶斯统计方法[D];东北大学;2008年

10 鲁云涛;基于云计算平台的实时气象条件下有毒气体扩散模拟研究[D];华中科技大学;2012年

，

本文编号：627996