基于加权局部梯度直方图的头部三维姿态估计

在实时估计人的头部三维姿态时,基于局部梯度方向直方图的面部特征表示方法容易受到背景和环境的影响,其检测精度无法满足实际需求。为了减少图像或视频序列中背景和环境的影响,提出了一种新的对面部特征进行描述的方法,即基于肤色权值和高斯权值加权的局部梯度方向直方图特征表示方法。在具体计算时,首先进行人脸检测并将人脸区域缩放到统一大小,然后计算人脸区域每个像素点对应的梯度方向,接着计算肤色权值并利用肤色权值和高斯权值对梯度方向进行加权得到加权局部梯度方向直方图,从而强化面部特征在直方图中的比重,有效减小背景对头部三维姿态估计的影响,最后利用非线性支持向量回归机求解加权局部梯度方向直方图与头部三维姿态之间的关系。实验结果表明:该特征表示方法具有更高的检测精度。

基于深度和局部HOG的交通车流监测研究

针对交通车流监测问题,提出一种基于深度和局部HOG的交通车流监测算法,该算法首先将车辆的划分为9个特征区域,利用HOG算法对特征区域的图像进行数据化,构建一个车辆局部特征区域数据库;再利用KPCA算法对其进行降维,从而降低计算复杂度;最后利用随机森林对特征数据进行分类,从而得到分类器,完成车辆检测过程。结合Kinect的深度摄像功能,计算车辆特征区域距离交通信号灯的距离,进而完成车辆的监测。实验结果表明:算法较传统算法有更好的检测率,在交通车辆监测中有较高的监测准确率。