基于自适应权重的多重稀疏表示分类算法

提出了一种基于多特征字典的稀疏表示算法。该算法针对SRC的单特征鉴别性较弱这一不足,对样本提出多个不同特征并分别进行相应的稀疏表示。并根据SRC算法计算各个特征的鉴别性,自适应地学习出稀疏权重并进行线性加权,从而提高分类的性能。实验表明,基于自适应权重的多重稀疏表示分类算法,具有更好的分类效果。

基于后验多重稀疏字典的多姿态行人检测

为了有效检测行人,提出一种基于后验多重稀疏字典的多姿态行人检测方法。根据多个不同稀疏度字典对图像稀疏编码,构成分布直方图作为行人图像多重稀疏字典特征;统计全部正样本特征的共性信息,对单个行人样本特征加权,获得表征行人的后验多重稀疏字典特征;根据视角和行人姿态的不同利用聚类方法划分子类,且训练等权重加和方式的多姿态分类器。在多个数据集上的测试表明,所提方法的特征维数低,描述能力优,有效提高了行人检测精度。

基于多重稀疏字典的行人检测方法

针对于稀疏编码在行人检测问题中提取的特征维数高和不能够有效描述行人的问题,提出了一种基于多重稀疏字典直方图的特征提取方法。通过稀疏表示方法,预先学习多个不同稀疏度的字典,分别利用每一个字典对行人图像进行稀疏编码,统计每个字典中对应稀疏编码单元的分布直方图作为行人图像的特征描述子。该方法提取到的特征维数低,并且能够有效地描述行人,具有良好的检测性能。