-
题名融合分支定界的可变形部件模型的行人检测
被引量:2
- 1
-
-
作者
柴恩惠
智敏
-
机构
内蒙古师范大学计算机与信息工程学院
-
出处
《计算机应用》
CSCD
北大核心
2017年第7期2003-2007,2013,共6页
-
基金
内蒙古师范大学科研基金资助项目(2016ZRYB005)~~
-
文摘
针对可变形部件模型(DPM)算法在行人检测领域中的检测精度高,但由于在特征提取和行人定位两步中的计算量过大,导致检测速度过慢而不能应用于实时行人检测的问题,提出了一种融合分支定界算法和级联检测算法的可变形部件模型(BBCDPM)算法。首先,选取梯度方向直方图(HOG)特征作为描述人体目标的特征,从而生成特征金字塔;然后,进行可变形部件模型的建模,并使用隐变量支持向量机(LSVM)对模型进行训练;同时,为了提高行人检测的准确度,将传统可变形部件模型算法中的5个部件模型增加到了8个;最后,在利用了级联检测算法简化检测模型的基础上,结合了分支定界算法寻找最大值,排除大量不可能的对象假设,完成对行人目标的定位和检测。在INRIA数据集上进行了实验,结果表明,与传统DPM算法相比,该算法将准确率提高了12个百分点,且大幅提高了行人检测与识别的速度。
-
关键词
分支定界算法
可变形部件模型算法
级联检测算法
梯度直方图特征
特征金字塔
隐变量支持向量机
行人检测
-
Keywords
Branch and Bound (BB) algorithm
Deformable Part Model (DPM) algorithm
Cascaded Detection (CD) algorithm
Histogram of Oriented Gradients (HOG) feature
characteristic pyramid
Latent Support Vector Machine (LSVM)
pedestrian detection
-
分类号
TP391.413
[自动化与计算机技术—计算机应用技术]
TP18
[自动化与计算机技术—控制理论与控制工程]
-
-
题名Norm-DP模型行人检测优化算法
- 2
-
-
作者
柴恩惠
马占飞
智敏
-
机构
内蒙古科技大学包头师范学院信息科学与技术学院
内蒙古师范大学计算机科学学院
-
出处
《计算机科学与探索》
CSCD
北大核心
2021年第3期545-552,共8页
-
基金
国家自然科学基金(61762071,61163025)
内蒙古自治区自然科学基金(2016MS0614,2019MS06037,2018MS06008)。
-
文摘
传统深度金字塔模型作为一种有效的行人检测算法备受关注,融合可变形部件模型和卷积神经网络模型,但特征提取部分使用的算法像素区域的大小不同,导致模型之间不能完全融合,在行人数量多、姿势复杂和有遮挡情况时的检测效果不理想。因此,提出一种基于规范化函数的深度金字塔模型(Norm-DP)算法,使用规范化函数融合可变形部件模型和卷积神经网络模型,直接从金字塔特征中提取正负样本,使用隐变量支持向量机进行模型训练,结合柔性非最大抑制(soft-NMS)算法和边界框回归(BBR)算法对定位框进行优化。分别使用INRIA和MS COCO数据集进行实验验证,在行人数量多、姿势复杂和有遮挡情况时,检测精度高于最优的可变形部件模型算法、卷积神经网络算法、深度金字塔模型算法和结合区域选择的卷积神经网络算法。
-
关键词
卷积神经网络(CNN)
可变形部件模型算法
规范化深度金字塔(Norm-DP)
柔性非最大抑制(Soft-NMS)
边界框回归(BBR)
-
Keywords
convolutional neural network(CNN)
deformable part model algorithm
normalization deep pyramid(Norm-DP)
soft-non-maximum suppression(Soft-NMS)
bounding box regression(BBR)
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-