基于HOG特征的行人視覺檢測(cè)方法

《基于HOG特征的行人視覺檢測(cè)方法》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫。

1、68傳感器與微系統(tǒng)(TransducerandMicrosystemTechnologies)2011年第30卷第7期基于HOG特征的行人視覺檢測(cè)方法121程廣濤，陳雪，郭照莊(1．北華航天工業(yè)學(xué)院基礎(chǔ)部，河北廊坊065000;2．北京東方研修學(xué)院計(jì)算機(jī)系，河北廊坊065000)摘要:行人檢測(cè)是近年來計(jì)算機(jī)視覺領(lǐng)域中備受關(guān)注的前沿方向和研究熱點(diǎn)。以單目視覺傳感器作為外界環(huán)境信息獲取的主要手段，建立了一個(gè)包含行人分割、識(shí)別的檢測(cè)系統(tǒng)。根據(jù)行人特有的一些特征，提出了基于垂直邊緣和邊緣對(duì)稱性的行人分割方法，并進(jìn)行精確定位。在行人

2、識(shí)別階段利用HOG特征進(jìn)行特征提取，然后利用線性支持向量機(jī)進(jìn)行行人識(shí)別。對(duì)大量的包括不同天氣和場(chǎng)景條件下的測(cè)試集進(jìn)行了測(cè)試，結(jié)果表明:提出的算法具有良好的檢測(cè)效果。關(guān)鍵詞:行人檢測(cè);垂直邊緣;邊緣對(duì)稱性;HOG特征;線性;支持向量機(jī)中圖分類號(hào):TP751文獻(xiàn)標(biāo)識(shí)碼:A文章編號(hào):1000—9787(2011)07—0068—03PedestriandetectionmethodofvisionbasedonHOGfeatures121CHENGGuang-tao，CHENXue，GUOZhao-zhuang(1．Depart

3、mentofFoundationCourses，NorthChinaInstituteofAerospaceEngineering，Langfang065000，China;2．DepartmentofComputerScience，BeijingOrientalCollege，Langfang065000，China)Abstract:Pedestriandetectionisintensivelyinvestigatedandbecomingahottopicinthefieldofcomputervision．Bym

4、akinguseofmonocularvisiondetectorasthemainmeanofcatchingoutsideenvironmentalinformation，apedestriandetectionsystemincludingsegmentingofregionsofinterests(RoIs)andrecognizingdetectionsystemisbuilt．Accordingtotheparticularcharacteristicofpedestrian，basedonpedestrian

5、segmentingmethodgroundingonverticaledgeandthesymmetrypropertyofit，andthepedestrianisaccuratelylocatedandsegmentedfromthevideoimage．Intherecognitionprocess，HOGfeatureextractionmethodisproducedtoextractpedestrianfeaturesandalinearsupportvectormachine(SVM)isusedforpe

6、destrianrecognition．Alargenumberoftestsatdifferentkindsofweatherandscenesarecarriedout．Experimentalresultsshowthatthepedestriandetectionalgorithmhaseffectiveperformance．Keywords:pedestriandetection;verticaledge;symmetrypropertyofedge;HOGfeature;linear;supportvecto

7、rmachine(SVM)［2］0引言以下幾種方法:1)基于運(yùn)動(dòng)的方法;2)基于特征的方［3，4］［5，6］行人檢測(cè)是當(dāng)前目標(biāo)檢測(cè)方面的研究熱點(diǎn)之一，它在法;3)基于距離的方法;4)基于攝像機(jī)參數(shù)的方［7］視頻監(jiān)控、智能車系統(tǒng)、人機(jī)交互、虛擬現(xiàn)實(shí)等領(lǐng)域有著廣法。行人識(shí)別階段有以下幾種方法:1)基于運(yùn)動(dòng)的方泛的應(yīng)用前景。但由于不同的行人圖像無論是在身材、姿［8］［9～12］法;2)基于形狀的方法。勢(shì)、視角還是衣著、關(guān)照方面都有著極大的變化，加之復(fù)雜本文利用行人具有的垂直邊緣和邊緣對(duì)稱性進(jìn)行RoIs的背景場(chǎng)景和攝像頭姿勢(shì)的移動(dòng)

8、以及晃動(dòng)，行人檢測(cè)問題分割，可以有效地去掉干擾邊緣，為下一步的目標(biāo)識(shí)別提供也一直是一個(gè)富有挑戰(zhàn)性的課題。良好的支持。在目標(biāo)識(shí)別階段，利用HOG特征進(jìn)行行人特［1］行人檢測(cè)系統(tǒng)一般包括2個(gè)模塊:感興趣區(qū)域(re-征提取，然后利用線性支持向量機(jī)(SVM)進(jìn)行目標(biāo)識(shí)別，gionofinterests，RoIs