基于HOG和SVM的人体行为仿生识别方法

在研究了人类视觉系统处理机制的基础上,首先利用方向梯度描述符(HOG)建立了图像的鲁棒表示;然后,根据人类视觉系统的并行处理机制和仿生信息学理论,提出了基于HOG+SVM的人体行为仿生识别与分类方法。利用针对识别与分类方法的评价指标对本文方法进行了评价,最后,与目前常用方法进行了比较,结果表明,在针对静态图像中人体行为的分类与识别效果方面,本文方法对差别较大的行为的识别效果好于常用方法,对相似行为的识别效果还有待于进一步提高。

基于视频的自行车检测算法

提出一种新的自行车检测方法,该方法无需在传统视频检测框架下进行背景更新和前景获取处理,而是直接利用局部方向梯度直方图描述符和支持向量机分类器构建一种窗口分类器,利用不同尺度的窗口分类器直接探测图像空间是否存在自行车,该方法可满足动态和静态背景下自行车检测的双重需要。实验中,利用700个自行车样本和500个非自行车样本训练学习获取自行车分类器模型,并利用该分类模式对不同交通状态下的自行车视频序列进行测试,获得了良好的实验效果。

基于多尺度边缘曲率估计的图像拼接方法

针对传统图像拼接方法仿射不变性差和对噪声敏感等问题,提出了一种基于图像边缘特征点的检测、匹配和融合方法.首先利用Canny边缘检测器提取图像的单像素边缘特征,通过边缘点邻域内的多尺度平均余弦值估计得到曲率极大值特征点,然后构建每个特征点的8×8邻域内的梯度方向直方图描述符,采用最小欧式距离与次小欧式距离比进行粗匹配,接着通过随机抽样一致性算法精匹配得到图像间的投影变换矩阵,最后采用加权平均融合算法可以得到无拼接缝隙的宽视角图像,实验表明,与基于Harris算法的拼接技术相比,该方法平均重复率高20.83%,平均定位误差低19.36%.