改进的HOG-CLBC的行人检测方法

传统的基于HOG与LBP的特征融合行人检测方法光谱信息损失多、对噪声较为敏感，原始的LBP算法对不均匀的光照变化鲁棒性差，对纹理特征的旋转不变性差。为了克服以上缺点，本文提出了一种基于CLBC和HOG特征融合的行人检测算法。首先，计算原始图像的CLBC特征，并计算基于CLBC纹理特征谱的HOG特征。接着计算原始图像的HOG特征以提取图像的边缘特征。然后将图像的三种特征融合来描述图像，并使用PCA方法降低特征维度，最后使用HIKSVM分类器实现最终对行人的检测。本文分别在Caltech行人数据库和INRIA行人数据库进行实验以验证所提出算法的有效性。实验结果表明，本文所提出的算法有效地提高了行人...

Full description

Saved in:
Bibliographic Details
Published inGuang Dian Gong Cheng = Opto-Electronic Engineering Vol. 45; no. 8; p. 180111
Main Authors 程德强, 唐世轩, 冯晨晨, 游大磊, 张丽颖 / Cheng Deqiang, Tang Shixuan, Feng Chenchen, You Dalei, Zhang, Liying
Format Journal Article
LanguageChinese
English
Published Chengdu Editorial Office of Opto-Electronic Advances 01.08.2018
Subjects
Algorithms
Classification
Datasets
Deep learning
Engineering
Feature extraction
International conferences
Mathematical analysis
Noise sensitivity
Pattern recognition
Principal components analysis
Texture
China
Online AccessGet full text

Cover

More Information
Summary:传统的基于HOG与LBP的特征融合行人检测方法光谱信息损失多、对噪声较为敏感，原始的LBP算法对不均匀的光照变化鲁棒性差，对纹理特征的旋转不变性差。为了克服以上缺点，本文提出了一种基于CLBC和HOG特征融合的行人检测算法。首先，计算原始图像的CLBC特征，并计算基于CLBC纹理特征谱的HOG特征。接着计算原始图像的HOG特征以提取图像的边缘特征。然后将图像的三种特征融合来描述图像，并使用PCA方法降低特征维度，最后使用HIKSVM分类器实现最终对行人的检测。本文分别在Caltech行人数据库和INRIA行人数据库进行实验以验证所提出算法的有效性。实验结果表明，本文所提出的算法有效地提高了行人检测的精度。
ISSN:1003-501X
DOI:10.12086/oee.2018.180111