基于多特征融合的红外图像行人检测

针对基于单特征红外图像行人识别准确率低的问题,提出一种基于梯度方向直方图(HOG)、积分通道特征(ICF)和强度自适应特征(ISS)的多特征融合红外图像行人检测的新方法。首先,分别提取训练样本的HOG、积分通道和ISS特征,用主成分分析(PCA)算法对提取的ISS特征进行降维,然后通过并行加权特征融合方法把HOG、积分通道和降维后的ISS特征相融合,并用融合后的特征训练支持向量机(SVM)分类器,最后用训练好的SVM分类器进行行人识别检测。LSI Far Infrared Pedestrian Dataset红外行人图像数据库上的实验证明,基于多特征的红外图像行人检测方法明显优于经典的HOG和局部二值模式(LBP)单特征方法,提高了检测精度,降低了误检率。

基于多特征的红外图像行人检测

基于提高红外图像行人检测准确率的目的,提出了一种基于多特征的红外行人检测算法。首先提取训练样本的梯度方向直方图特征和强度自相似性特征,利用二者相结合得到联合特征训练支持向量机(SVM),之后利用滑动窗口法対整幅红外图像进行遍历,用训练好的SVM进行分类检测。在LSI Far Infrared Pedestrian Dataset数据库上实验证明,基于多特征的检测方法相较于单一特征的方法提高了红外行人检测的精度,降低了误检率和漏检率。