结合网格密度聚类的行人检测候选域生成

发布时间：2021-04-27 07:37

　　目的行人检测是计算机视觉领域中的重点研究问题。经典的可变形部件模型（DPM）算法在行人检测领域素有高检测精度的优点,但由于在构建特征金字塔前处理过多召回率低的候选区域,导致计算速度偏慢,严重影响系统的实时性。针对该问题,本文对模型中选取候选检测区域的流程进行了改进,提出一种结合网格密度聚类算法和选择性搜索算法的行人检测候选对象生成方法来改进DPM模型。方法首先使用三帧差法和高斯混合模型收集固定数量的运动物体坐标点,然后结合基于网格密度的聚类算法构建网格坐标模型,生成目标频繁运动区域,同时进行动态掩层处理。随后引入改进的选择性搜索算法,结合支持向量机（SVM）训练得到的行人轮廓宽高比,提取该区域中高置信度的行人候选检测窗口,从而排除大量冗余的区域假设,完成对候选行人检测区域的精筛选,最后融合至DPM算法进行行人检测。结果所提方法在PETS 2009 Bench-mark数据集上进行检测,实验结果表明,该方法对复杂背景下的检测有较强的稳定性,与传统DPM模型相比,精度提高了1. 71%、平均对数漏检率降低2. 2%、检测速度提高为3. 7倍左右。结论本文提出一种基于网格密度聚类的行人检测候... 

【文章来源】：中国图象图形学报. 2019,24(09)北大核心CSCD

【文章页数】：11 页

【文章目录】：
0 引言
1 可变形部件模型
2 基于网格密度聚类的检测候选区域生成算法
    2.1 运动目标检测
    2.2 采用G-Cluster算法获取目标频繁运动区域
    2.3 基于选择性搜索的ROI区域选取
    2.4 算法复杂度分析
3 实现结果与分析
    3.1 评价指标
    3.2 实验结果
4 结论


【参考文献】：
期刊论文
[1]OPTICS聚类与目标区域概率模型的多运动目标跟踪[J]. 孙天宇,孙炜,薛敏.  中国图象图形学报. 2015(11)
[2]行人检测中非极大值抑制算法的改进[J]. 陈金辉,叶西宁.  华东理工大学学报(自然科学版). 2015(03)
[3]融合图像感知哈希技术的运动目标跟踪[J]. 李子印,朱明凌,陈柱.  中国图象图形学报. 2015(06)
[4]一种自动计算参数的多密度网格聚类算法[J]. 李光兴,唐俊,易林,徐彬.  计算机与数字工程. 2014(07)
[5]一种光照不均匀图像的二值化方法[J]. 郭佳,刘晓玉,吴冰,付晓薇.  计算机应用与软件. 2014(03)
[6]分割位置提示的可变形部件模型快速目标检测[J]. 杨扬,李善平.  自动化学报. 2012(04)



本文编号：3163065