基于语义的视频镜头的分类技术

提出了一种基于底层特征和基于高级语义特征的视频镜头分类方法,使用RBF核的支持向量机(SVM)作为分类器,分别将其应用于动漫/真人和足球比赛视频的镜头分类,前者的平均错误概率控制在了7.43%之内,而基于高级语义特征的足球比赛镜头分类的准确率达到了84%。

基于深度学习的交通场景中行人检测方法

针对交通图像中行人分布的特点,提出一种交通场景下的行人检测方法。使用Faster R-CNN目标检测网络,首先在检测网络的卷积层前加入预处理,突出行人特征,减少训练耗时与系统开销。其次,由于交通场景图像中行人只占图像极小的部分,所以使用K-means聚类分析方法对行人的宽高比进行聚类分析,得到合适的宽高比。实验表明,改进后的方法在检测精度上有所提升,说明了该方法的有效性。

基于YOLOv2的行人检测方法研究

针对传统基于人工提取行人特征鲁棒性差,漏检率高的问题,借鉴目标检测的研究成果YOLOv2算法,提出基于YOLOv2网络的行人检测方法。该方法在YOLOv2网络之前加入底层特征提取层,选择LBP纹理特征作为底层特征提取层算子进行预处理,将行人背景差异转化为纹理差异,突出行人特征,然后根据行人在图片中呈现高宽比相对固定,对数据集目标框聚类分析得出最优anchor个数及维度,微调网络参数,训练得到最优模型。在INRIA行人数据集上进行试验,结果表明,该模型在行人检测中漏检率明显优于传统HOG+SVM、Faster-RCNN以及直接应用YOLOv2的方法,在INRIA数据集上误检率为10-1时,漏检率仅为9.26%。