帧间方向梯度直方图特征关联的行人检测方法

当前行人检测算法是无人驾驶领域的研究热点,但行人遮挡问题由于样本量相对比较少、遮挡情况多样、可视特征减少等因素,仍未得到很好的解决。针对行人之间相互遮挡或行人被其他物体遮挡导致的漏检问题,给出一种帧间方向梯度直方图特征关联的行人检测方法。首先,在YOLOv7基线网络模型的基础上添加跟踪的方法,以发现漏检行人并估计其位置信息;将含有漏检行人的最新局部图像作为新的信息,利用方向梯度直方图特征,采用支持向量机的方法,在漏检目标估计位置处进行行人检测,以改善由于部分遮挡所导致的漏检问题。实验结果与基线网络相比,该方法的精确度(P)值提高了6.25%,被遮挡行人的平均精度(AP)由26.67%提升到了53.42%。实验表明帧间方向梯度直方图特征关联的行人检测方法可以提高行人检测准确率,计算复杂度低,不明显增加原方法的计算开销,具有一定的应用价值。

基于金字塔方向梯度直方图特征的核相关滤波目标跟踪算法

在使用传统的核相关滤波目标跟踪算法(KCF)对环境背景庞杂下的目标进行跟踪时,会出现目标丢失的情况。为解决该问题,提出了将金字塔方向梯度直方图特征与多峰检测机制相结合的核相关滤波目标跟踪算法。该改进算法在原有的KCF算法的基础上,采用金字塔方向梯度直方图的特征提取方式,并使用多峰值检测更新机制(APCE)对目标是否被遮挡进行判断。与传统的KCF算法相比较,该算法在光照化较大、目标存在遮挡等背景复杂的情况下有更好的跟踪效果,减少了目标的漂移。

基于梯度方向直方图特征的多核跟踪

提出了基于梯度方向直方图特征的多核跟踪算法,对跟踪过程中的光线变化和部分遮挡具有较强的鲁棒性.该算法将目标分块,分别提取出每块的核函数加权的梯度方向直方图特征.目标模型和候选目标模型的相似度用所有块直方图间的Bhattacharyya系数之和进行度量,目标的跟踪通过Mean shift算法最大化两者的相似度实现.对车辆、人体等多个日标的跟踪验证了本文提出算法的有效性.

利用局部二值模式和方向梯度直方图融合特征对木材缺陷的支持向量机学习分类

根据木材缺陷类型及视觉特点的不同,将木材缺陷分为6类,加上正常无缺陷木材共分7类;实验将图像样本转化为灰度图后生成680个训练样本数据集和94个测试样本数据集。在分析单一方向梯度直方图(HOG)特征及局部二值模式(LBP)采用不同核函数对木材缺陷分类性能的基础上,提出局部二值模式和方向梯度直方图融合特征对木材缺陷分类。融合特征经主成分分析并降维,利用支持向量机的4种不同核函数分别验证局部二值模式和方向梯度直方图融合特征对木材缺陷分类的性能。结果表明:利用局部二值模式和方向梯度直方图融合特征比单一缺陷特征具有更高效的分类性能;采用线性核函数及高斯核函数对局部二值模式和方向梯度直方图融合特征进行支持向量机分类,分类准确率分别可达98.9%和97.8%,木材缺陷可实现自动检测分类。

基于角点类别特征和边缘幅值方向梯度直方图统计特征的复杂场景文字定位算法

针对复杂场景中纹理丰富的非文字区对文字定位算法的干扰,提出了基于光度不变量的角点类别特征和边缘幅值方向梯度直方图(Histogram of oriented gradients of edge magnitude,HOG-EM)统计特征两种新特征,并据此设计了一种两级多层复杂场景文字定位算法。首先获取边缘图像并提取根据HSL颜色空间特性划分的8层二值化图像,将其组成9层子图并做连通域分析提取文字候选区。然后提取文字候选区的角点类别特征和HOG-EM统计特征,将二者分别用于剔除非文字候选区和获取文字。实验表明:本文算法可以较为准确地剔除纹理丰富的非文字区,有效地降低复杂场景文字定位算法的虚警率,取得比较理想的准确率和召回率。

基于仿射梯度方向直方图特征的目标识别算法

针对基于传统梯度方向直方图特征的目标识别算法(HOG+SVM)在目标发生仿射变化时识别效果较差的问题,该文提出一种基于仿射梯度方向直方图特征的目标识别算法(AHOG+SVM)。通过提取多尺度金字塔梯度图像的HOG特征,提高了算法的尺度不变性;通过将平面HOG栅格拓展至3维HOG栅格,并根据目标的世界坐标系与图像坐标系的映射关系将3维HOG栅格映射为2维HOG仿射栅格,最后对仿射栅格内的HOG特征进行仿射逆变换,以达到增强算法旋转不变性与错切不变性的目的。多组实验结果表明,该文提出的算法能够解决在目标识别过程中由尺度变化、旋转变化和错切变化(3D视角变化)所造成的识别率较低的问题,性能优于HOG+SVM算法。

梯度方向直方图特征的人耳身份识别方法

人耳特征体具有普遍性、唯一性、稳定性和可采集性等作为生物特征识别必备的基本特性,易实现非打扰式识别.研究一类新型的基于梯度方向直方图的人耳身份识别方法,将人耳图像划分为不同子区域,分别提取各子区域梯度方向直方图特征,采用模糊隶属度匹配融合策略获取识别结果.重点讨论了局部遮挡时基于梯度方向直方图特征描述的人耳识别问题,定义并分析了人耳子区域识别贡献率,探讨累计遮挡问题,可为人耳图像有效鉴别子区域的确定提供参考.实验结果表明,基于梯度方向直方图的人耳身份识别方法是可行的与有效的.

基于梯度方向直方图的热核特征提取方法

提出了一种适用于描述非刚性三维模型局部表面结构的特征提取方法,即基于梯度方向直方图的热核特征(HOGHKS)提取方法。该方法首先提取具有等距不变性的三维点热核信号,可以使后续提取的特征向量具有等距不变性和较好的稳定性;然后对热核信号的对数差分值进行梯度方向直方图统计,可以使构造出的特征向量对三维模型的尺度变化具有一定的不变性。该特征在一定程度上解决了HKS特征不具有尺度不变性、SI-HKS特征虽然具有尺度不变性但是需要将热核信号转换到频域进行描述会丢失一部分有效描述信息的问题。实验结果表明,与HKS特征和SI-HKS特征相比,HOG-HKS特征具有更好的检索效果。

基于方向梯度直方图和局部对比度特征的海面背景红外图像分类

在复杂多变的海面环境下,应用红外成像技术对海面中小目标进行搜救时,为有利于后续针对不同场景的目标处理,有必要对采集的原始图像进行分类处理。根据不同的环境条件,将海面红外图像分为五类场景。从两个方面对训练集图像进行特征提取,一个是通过高斯滤波将图像分为基础层和细节层,然后使用改进的方向梯度直方图(HOG)方法提取特征;另一个是提取图像的局部对比度得到局部特征。将提取的特征向量融合并输入到分类器中,使用支持向量机(SVM)对测试集图像进行分类。文章使用了HOG和局部对比度方法(LCM)结合的新特征描述符对海面红外图像的场景进行分类,与其它方法相比,结果表明改进方法的准确率达到96.4%,体现了可行性和有效性。

基于腿部梯度方向直方图特征优化的行人检测

针对传统的基于梯度方向直方图(HOG)特征的行人检测耗时较长的问题,提出了基于腿部HOG特征优化的行人检测方法。该方法采用加权Fisher线性判别(WLFD)代替线性SVM来选择最具区分性的HOG特征,在保持分类能力的同时减少训练时间和存储空间,而且选择查找表型弱分类器的Gentle Adaboost算法来训练优化权重组合HOG特征,形成一个强分类器来检测行人。通过对线性SVM、加权Fisher与阈值型以及加权Fisher与查找表型三种弱分类器的对比试验表明,基于加权Fisher与查找表型HOG特征优化后不仅提高了检测精度,而且训练时间和检测时间也能明显降低。

基于梯度方向直方图特征和支持向量机的医学影像分类方法

本文阐述了基于内容的图像检索技术的特点,采用梯度方向直方图(HOG)特征来描述图片的边缘特征,利用支持向量机(SVM)对多类别的图片进行分类,并比较了几种核函数对分类效果的影响,指出基于HOG特征和支持向量机的分类方法可以辅助医护人员进行医学影像检索。

基于梯度方向直方图特征的医学图像分类方法

医学图像分类是医学图像处理中的研究热点,可应用在医疗信息化、辅助诊断和远程医学等方面。采用梯度方向的直方图特征来描述图片的边缘特征,利用支持向量机对多类别的图片进行分类,并比较了几种不同的核函数对分类效果的影响。

基于梯度方向直方图特征和粒子滤波算法融合的目标跟踪

基于梯度方向直方图特征的运动目标跟踪算法在遇到目标遮挡或运动过快时容易丢失目标,基于粒子滤波跟踪算法虽有较强的抗遮挡能力,但存在着计算量大、实时性差等问题.针对这些情况,提出一种融合的跟踪方法:正常情况下基于目标梯度方向直方图特征跟踪目标,当候选目标相似度小于设定阈值时,自动切换到粒子滤波跟踪算法.实验结果显示本算法有效地解决了目标遮挡或运动过快时的丢失问题,同时减轻了粒子的退化现象,提高了算法的实时性,并在图像对比度较低情况下能较好的跟踪目标.

基于方向梯度直方图和局部二值模式混合特征的水稻病虫害识别方法研究

为解决判定水稻病虫害类型所需样本多、处理设备要求高等问题,以健康水稻及褐斑病、铁甲虫病、稻瘟病水稻为研究对象,基于方向梯度直方图(histograms of oriented gradients,HOG)和局部二值模式(local binary pattern,LBP)加权融合的方法对水稻病虫害图像提取特征,利用支持向量机(support vector machine,SVM)对水稻进行分类识别。结果表明,基于HOG和LBP混合特征的水稻病虫害识别方法在小样本的情况下识别分类正确率为94.2%,优于HOG、LBP及GLCM(gray-level co-occurrence matrix)单一特征描述分类准确率。通过进一步结合多尺度检测对病斑目标定位,该方法所得检出率为90.7%,高于YOLO v3和Fast R-CNN深度学习算法,并获得最短训练时间。本研究在样本量少及处理效率方面具有明显优势,能够满足田间对水稻病虫害分类及检测的农业需求,在今后农业信息化领域具有巨大应用潜能,适用于结合移动设备进行田间交互采集处理。

基于旋转主方向梯度直方图特征的判别稀疏图映射算法

非约束环境下采集的人脸图像复杂多变,将其直接作为字典原子用于稀疏表示分类(sparserepresentation based classification, SRC),识别效果不理想.针对该问题,本文提出一种基于旋转主方向梯度直方图特征的判别稀疏图映射(discriminative sparse graph embedding based on histogram of rotated principalorientation gradients, DSGE-HRPOG)算法,用于构建类内紧凑、类间分离的低维判别特征字典,提高稀疏表示分类准确性.首先,采用旋转主方向梯度直方图(histogram of rotated principal orientation gradients,HRPOG)特征算子提取非约束人脸图像的多尺度多方向梯度特征,有效去除外界干扰和像素间冗余信息,构建稳定、鉴别的HRPOG 特征字典;其次,引入判别稀疏图映射(discriminative sparse graph embedding,DSGE)算法,以类内重构散度最小、类间重构散度最大为目标计算特征字典的最佳低维投影矩阵,进一步增强低维特征字典的判别性、紧致性;最后,提出投影矩阵和稀疏重构关系交替迭代优化算法,将维数约简过程伴随在稀疏图构建过程中,使分类效果更理想.在AR, Extended Yale B, LFW 和PubFig 这4 个数据库上进行大量实验,验证了本文算法在实验环境数据库和真实环境数据库上的有效性.

基于方向梯度直方图特征的车脸识别方法研究

随着道路监控系统的数字化和智能化发展,车辆类型识别成为智能交通系统的研究重点之一。本文基于道路监控系统中的视频图像,对车前脸进行粗定位,并在粗定位车脸的基础上对车脸进行精确定位。对精确定位的车前脸进行水平梯度水平投影和水平梯度垂直投影,提取车标的方向梯度直方图——HOG特征,由此提出了基于HOG特征描述的车脸特征点提取方法,并采用支持向量机(SVM)对车标特征向量进行了分类识别。实验结果表明,只有选择适当的HOG特征参数,才能提高车型识别率。

基于梯度Gabor直方图特征的表情识别方法

针对传统Gabor特征在表情识别上的局限性,提出一种基于梯度Gabor直方图(GGH)特征的表情识别方法.首先对预处理后的人脸图像进行Gabor特征提取;然后将相同尺度、不同方向的Gabor特征按照梯度方向构造Gabor特征融合图,再对融合图进行分块并计算每个子块的直方图分布,从而构成人脸的GGH特征;最后采用支持向量机对GGH特征进行人脸表情分类.在JAFFE库与Pain Expressions库上进行交叉验证的结果表明,在保证较高识别率时,GGH特征比传统的Gabor特征实时性更高.

应用方向梯度直方图和低秩分解的织物疵点检测算法

织物疵点检测是织物表面质量控制的关键环节。基于方向梯度直方图(HOG)和低秩分解,提出一种有效的织物疵点检测算法。首先,将织物图像划分为大小相同的图像块,提取每个图像块的HOG特征,并将图像块特征组成特征矩阵,针对特征矩阵构建有效的低秩分解模型,通过方向交替方法(ADM)优化求解,生成低秩阵和稀疏阵;最后采用改进最优阈值分割算法对由稀疏阵生成的显著图进行分割,从而定位出疵点区域。实验结果表明,低秩分解能有效实现织物疵点的快速分离,与已有方法进行对比,本文方法能显著提高复杂织物纹理图像的疵点检测性能。

一种基于梯度方向直方图的直线轮廓提取新方法

直线轮廓检测是计算机视觉领域中的一个基本问题。在靶场光测图像分析中,通过提取导弹、火箭等目标的直线轮廓,可以得到目标的三维姿态参量。提出了一种基于梯度方向直方图的直线轮廓提取新方法。梯度方向直方图被定义为具有相同梯度方向的图像点的梯度幅值之和。利用梯度方向直方图可以很方便地确定图像上边缘方向,根据此方向可在图像上搜索直线边缘的位置。由于同时利用了梯度的幅值和方向信息,所以该方法能自动地提取直线边缘而无需阈值。通过在实际图像中提取直线边缘,证明了该方法的有效性。

联合梯度直方图和局部二值模式特征的人体检测

针对采用单一梯度方向直方图(HOG)特征进行人体检测时易受竖直梯度分量干扰的缺点,提出了将分块局部二值模式(LBP)特征加入HOG特征的方法。首先,将检测窗口划分为大小为16×16的不重叠块,以块为单位统计LBP特征直方图,并通过大量实验获得了LBP算子的最佳参数;然后用优化过的插值方式计算HOG特征,将两者组成联合直方图。最后,用线性支持向量机(SVM)通过Bootstrapping的方式训练,得到判别模型。在INRIA人体库上的测试表明,检出率在误检率(FPPW)为10-4时由原始的89%提高到95%,单窗口检测速度由0.625ms提高到0.533ms。本文将纹理特征加入原始描述轮廓的HOG特征中,排除了部分梯度干扰信息造成的误检,提高了检出率。