多特征融合和交叉核SVM的车辆检测方法

为了能够提高车辆检测的准确率和效率,利用不同分辨率下图像中的信息,文章提出一种多分辨率下的方向梯度直方图特征(multi-resolution histograms of oriented gradients)和局部二值模式算子(local binary pattern)相融合的车辆检测算法。由于融合后的特征维数明显高于单一特征,使得检测的实时性较差,通过主元分析(principal component analysis)来实现对融合后特征降维,并采用直方图交叉核支持向量机(HIK-SVM)对特征进行分类,完成车辆的检测。实验结果表明,该检测方法有较高的车辆检测率,且实时性较好。

基于显著性检测与HOG-NMF特征的快速行人检测方法

行人检测在机器人、驾驶辅助系统和视频监控等领域有广泛的应用,该文提出一种基于显著性检测与方向梯度直方图-非负矩阵分解(Histogram of Oriented Gradient-Non-negative Matrix Factorization,HOG-NMF)特征的快速行人检测方法。采用频谱调谐显著性检测提取显著图,并基于熵值门限进行感兴趣区域的提取;组合非负矩阵分解和方向梯度直方图生成HOG-NMF特征;采用加性交叉核支持向量机方法(Intersection Kernel Support Vector Machine,IKSVM)。该算法显著降低了特征维数,在相同的计算复杂度下明显改善了线性支持向量机的检测率。在INRIA数据库的实验结果表明,该方法对比HOG/线性SVM和HOG/RBF-SVM显著减少了检测时间,并达到了满意的检测率。

基于生成树的人脸识别

为了提高人脸识别的准确率,研究了基于生成树核的人脸识别.定义了最大生成树的概念,7个生成树核和3个基于直方图核和生成树核的复杂核,并给出了人脸图像的图示,阐述了人脸图像转化成图的过程.实验结果表明,生成树核的性能优于通路核.

基于特征融合的核量化图像分类方法

局部特征和全局特征是图像的两种重要的特征描述,在图像分类时起着至关重要的作用。据此提出一种通过融合全局与局部特征核量化图像分类方法。首先,分析全局特征及局部特征各自优缺点,并对图像进行特征提取;其次,通过核方法将特征映射到适当的高维空间中,来进行码书的获取与量化,并进行特征的融合以更好地对图像进行描述;最后,采用基于直方图交叉核的支持向量机对获取的量化特征进行分类。通过实验证明了所提出的方法的可行性。

基于偏最小二乘与改进中心对称CENTRIST的快速行人检测算法

针对复杂背景下的快速行人检测问题,从行人边缘信息的角度,该文提出了一种改进的中心对称统计变换(ICS_CENTRIST)特征,该特征只有32维,计算简单,描述能力强,可以很好地表达行人的边缘轮廓。行人检测时采用3级级联分类方法:第1级采用基于辅助积分图的线性支持向量机(SVM),快速排除大部分非行人区域;第2级,第3级分别使用偏最小二乘法(PLS)选出区分能力最强的前12和21个块(block),提取ICS_CENTRIST特征,采用直方图交叉核支持向量机(HIK-SVM)进行精确检测。实验结果表明,该文算法在复杂背景下可取得较好的检测效果,检测速度在447×358大小的图像上达到平均50 ms,与基于CENTRIST特征的快速检测方法和梯度方向直方图(HOG)算法相比分别提高了50%和90%,满足实时性要求。

基于空间金字塔特征包的手势识别算法

为了解决基于尺度不变特征变换的特征包(Bo F-SIFT)算法在描述手势图像特征时对特征点分布情况无法确定的问题,提出了空间金字塔特征包算法提取手势图像特征。该算法通过构造图像金字塔改善了传统的Bo FSIFT算法,生成的描述子能有效表征手势图像的局部特征和全局特征,并能表示图像特征点的分布特性。采用直方图相交核支持向量机进行手势识别。在标准数据库上的测试表明,该算法对于10种手语得到了92.92%的正确识别率,验证了算法的有效性。

复杂背景下的手势识别算法研究

为解决复杂背景下手势图像不能准确分割的问题,结合YCg Cr颜色空间上的聚簇特性,提出一种在RGB与YCg Cr双颜色空间下的肤色检测法。该方法有效地减少了背景中类肤色的干扰,完成了手部图像在复杂背景下的检测和分割;并采用HOG特征对手势图像进行表示,最后采用直方图相交核支持向量机进行手势识别。该方法在塞巴斯蒂安.马塞尔静态手姿数据库上进行了测试,对6种手势的平均识别率达到了93.33%。