基于HOG特征优化的夜间行人快速识别方案

针对夜间行人检测成像尺度不一所引起的类内方差较大、实时性不足等问题,在统计学习的应用原理下,设计基于熵加权和快速分类支持向量机(FCSVM)优化的头部校验夜间行人快速识别方案。应用熵加权原理改进梯度直方图特征,引入三分支结构的支持向量机识别目标,同时利用FCSVM降低运算开销,确保实时性,通过头部校验方法分析评估误检目标,提高图像匹配的准确度。实验结果表明,该方案在夜间环境下能有效区分远红外行人目标,在充分确保行人检测实时性的基础上,在市区、郊区等不同应用环境中均具有较好的识别效果。

一种高可靠性的头部校验夜间行人快速识别方案

针对夜间行人检测成像尺度不一等因素所引起的类内方差较大、实时性不足等问题,本文在统计学习的应用原理下,设计了基于熵加权和FCSVM优化的头部校验夜间行人快速识别方案.该方案应用熵加权原理改进梯度直方图特征,引入了三分支结构的支持向量机对目标进一步识别,同时利用快速分类支持向量机(FCSVM)降低运算所需的开销,确保实时性,最后通过头部校验方法对误检目标进一步分析评估,进一步提高图像匹配的准确度.实验结果表明,该方案在夜间环境下能有效区分远红外行人目标,在充分确保行人实时性的基础上,在市区、郊区等不同应用环境中,均具有良好的实用性.