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。

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。

基于感知哈希算法的特征融合玻璃瓶缺陷检测

特征提取作为玻璃瓶缺陷检测任务中至关重要的一环,特征集中丰富的特征信息将直接影响缺陷检测的准确率。传统的单一特征提取算法提取的特征信息往往过于单一,使得最终的检测准确率偏低。针对上述问题,提出了方向梯度直方图(Histogram of Oriented Gradients,HOG)特征与尺度不变特征变换(Scale Invariant Feature Transform,SIFT)特征融合的特征提取算法。针对不同缺陷边缘提取轮廓不够准确的问题,提出了基于感知哈希算法(Perceptual Hash Algorithm,PHA)的边缘检测算子选择方法。通过支持向量机(Support Vector Machine,SVM)进行训练和验证。实验结果表明,提出的边缘检测算子选择方法可以针对不同缺陷选择最适合的边缘检测算子,特征融合算法的瓶身缺陷检测平均准确率可达88.7%。较单一的HOG特征提取算法提升了7.99%,较单一的SIFT特征提取算法提升了2.97%。

基于车前脸HOG特征的车型识别方法研究与实现

针对道路视频监控中车型识别的问题,为准确定位车前脸,提出了一种基于车前脸梯度方向直方图的识别算法。用形态学粗定位和投影细定位算法提取视频中车前脸区域,准确定位车前脸,能提高全局特征算法的识别效果。将车前脸图像的梯度方向直方图特征作为识别初始特征,采用线性判别分析算法进行特征提取,降低特征维数,提高识别速度。基于集成学习的思想,对车前脸进行网格分割,各子区域训练得到的分类器生成集成分类器,提高车型识别率。建立了15种车系80种车型的车前脸图像库进行实验,实验结果表明,上述方法的车型正确识别率为93.5%。

采用PHOG融合特征和多类别Adaboost分类器的行为识别

为了解决类能量图易受人体运动时间和位置移动等因素影响而难以有效描述动作细节特征的问题,本文提出了一种基于类能量图金字塔梯度直方图(PHOG)融合特征和多类别Adaboost分类器的人体行为识别方法。该方法首先对经过躯体配准的运动人体目标轮廓图像构造平均运动能量图(AMEI)和增强的运动能量图(EMEI),分别提取其分层梯度方向直方图(PHOG)特征并进行串联融合,作为一种多层次的行为特征描述;然后使用基于查找表的LUT-Real Adaboost算法设计多类别分类器,实现图像中人体行为动作的识别。实验结果显示其在典型的人体动作数据集DHA上的正确识别率达97.6%,高于其它采用单一特征描述和SVM等分类器的方法。表明该方法将整体与局部特征相结合,可以有效描述不同尺度下的动作细节特征,增强了人体行为特征的描述能力,提高了识别性能。

基于HOG与LBP特征的人脸识别方法

针对人脸识别方法在复杂环境下识别性能下降、单一特征表述能力有限的问题,基于梯度方向直方图(HOG)和局部二值模式(LBP)特征,提出一种人脸识别方法。通过提取人脸的HOG特征和LBP特征,利用主成分分析和线性判别分析方法进行线性降维,给出基于加权的特征融合策略。在环境复杂的人脸数据库上进行实验,结果表明,相比于单一的局部特征,该特征融合方法能提高人脸识别的精度与速度。

基于规范化特征的月球撞击坑探测方法

提出用多阀值分类和属性形态学对月球图像进行层次性和选择性预处理,使高对比阴阳月牙对和低灰度弱边界椭圆形撞击坑具备基本规范和稳定的Haar和PHOG特征。文中探讨了这些预处理方法对局部区域的小波Haar特征和塔式梯度方向直方图PHOG特征的稳定性的影响与作用,然后研究了AdaBoost和SVM这两种分类算法在月球撞击坑探测中的作用,并研究了将Haar和PHOG特征与AdaBoost和SVM相结合对撞击坑候选区域进行精确和高效定位的集成方法。结果表明利用属性形态学的柔性结构滤波和分类方法的集成应用能够使撞击坑的识别率较传统方法提高2%-5%。

基于生物启发特征的真实环境笑脸分类方法

为解决生物启发模型(BIM)存在的3个问题,即高计算复杂度、有争议的视觉皮层关系建模,以及类前向反馈机制带来的盲目特征选择,提出一种基于生物启发特征(BIF)的真实环境笑脸分类方法。构建基于BIF的笑脸分类系统,提取人脸表情图像嘴部区域的金字塔梯度方向直方图特征,使用局部保持投影进行BIM特征降维,采用Adaboost算法进行BIM特征选择。实验结果验证,该系统的最佳识别率达96.5%。

基于HOG的目标分类特征深度学习模型

为提高低配置计算环境中的视觉目标实时在线分类特征提取的时效性和分类准确率,提出一种新的目标分类特征深度学习模型。根据高时效性要求,选用分类器模型离线深度学习的策略,以节约在线训练时间。针对网络深度受限和高识别率要求,提取图像的局部方向梯度直方图(HOG)特征,构建稀疏自编码器栈对HOG特征进行深层次编码,设计Softmax多分类器对所抽取的特征进行分类。在深度神经网络模型学习过程中,引入最小化各层结构风险和微调全网参数的二阶段最优化策略。利用场景图像库Caltech101和手写数字库MNIST的训练样本与测试样本进行对比实验,结果表明,该模型在局部特征提取方面的时效优于单层卷积神经网络(CNN)模型,分类准确率高于CNN、栈式自编码器等对比模型。

基于连通区域和统计特征的图像文本定位

文本定位是图像中文本提取的前提与基础。针对场景图像中背景复杂和光照影响,提出一种由粗略到精确的文本定位算法。该算法首先在边缘图像上利用连通区域分析进行粗略定位得到文本候选区域,然后提取候选区域的方向梯度直方图特征和改进的局部二值模式特征进行分类,去除虚假文本达到精确定位。仿真实验结果表明,该算法能够有效地降低背景复杂与光照不均的影响,在场景图像中准确地定位文本区域。

融合灰色预测和HOGI特征的红外目标跟踪方法

针对红外目标跟踪时不能有效提取目标特征这一问题,提出了一种新的红外目标稳健跟踪方法.首先利用灰色模型预测目标位置,然后建立以此预测位置为中心候选目标区域的方向梯度-灰度直方图特征模型,并将此特征引入到Mean Shift算法中,以实现对红外目标的精确跟踪.仿真结果表明了该方法跟踪精度高,在目标出现部分遮挡或全部遮挡时,仍能跟踪目标,确保目标不丢失,体现出该跟踪方法良好的鲁棒性.

融合多特征与随机森林的纹理图像分类方法

针对单一纹理特征与单一分类器对失真纹理图像分类识别率差的问题,提出了一种融合多特征与随机森林的纹理图像分类方法。利用改进的方向梯度直方图(HOG)特征提取方法以及局部二值模式(LBP)图像的灰度共生矩阵进行特征提取;将提取的特征矩阵级联组成一个新的特征矩阵,利用主成分分析法进行降维融合处理;降维融合后的特征矩阵输入随机森林,通过融合投票得到最终的识别率。在KTH-TIPS失真纹理图像库上进行对比实验,结果表明:采用融合多特征与随机森林的分类方法提高了失真纹理图像的分类正确率,且具有更好的实时性。

基于表观模型的人脸特征点提取

针对在人脸特征点提取过程中模型预估能力不足,拟合过程中的非法形变导致的特征点提取速度慢和提取精度不高的问题,本文提出了一种基于主动表观模型(AAM)的人脸特征点提取算法的改进算法。将头部作初始分类,不同的头部姿态选取不同人脸模型进行拟合,这样能避免初始化模型与真实特征点位置相差过大,从而使得模型能更快的收敛,提高特征点提取速度。同时提出一种方法,对拟合过程中的形状变量加以限制,能有效过滤掉不满足人脸形状的特征点模型,防止拟合过程中的非法形变,使提取的人脸特征点更接近真实位置。实验结果表明,改进的基于AAM的人脸特征点提取算法在时间效率和准确率上都所有提高。

基于人体特征识别和卡尔曼滤波的行人跟踪算法

为了提高行人检测识别及跟踪精度,提出一种基于人体特征识别和卡尔曼滤波的行人跟踪算法,该算法采用一种基于人体体型特征和行为姿态特征的识别方法来自动识别行人。行为姿态特征识别方法采用基于高斯混合模型的前后帧像素点概率匹配算法,并结合人体体型特征来提高识别人体目标的成功概率,接着采用方向梯度直方图用于目标检测的特征描述,最后通过卡尔曼滤波器预测目标的移动轨迹。在实验中,与两种红外线行人检测与跟踪方法的对比结果显示,该算法可以更准确地从移动物体中捕获人体目标,并进行实时跟踪。

采用互补特征的核相关滤波目标跟踪算法

为了改善跟踪算法的性能,提出一种自适应加权的融合颜色特征和方向梯度直方图(HOG)特征的多核多通道的相关滤波跟踪算法.针对核相关滤波算法特征单一的问题,采用互补特征核空间描述目标,并根据互补特征响应值的大小,自适应为互补特征核空间分配权重、更新模型,提高算法的鲁棒性.实验结果表明:所提出的算法不仅能在一定程度上处理目标外观变化问题,而且完全满足跟踪场景的实时需求.

基于遮挡感知的行人检测与跟踪算法

针对行人遮挡以及跟踪过程中ID频繁切换的问题,提出一种基于遮挡感知的行人检测与跟踪算法。利用遮挡感知算法提高遮挡情况下的行人检测精度;为提高遮挡情况下的跟踪准确度,融合时变运动特征和梯度方向直方图(HOG)特征为一个新的度量匹配信息,对上下帧的行人多目标进行匹配。实验结果表明:该行人多目标检测算法较基准算法在CrowdHuman测试集上准确率提高了7.49%,召回率提高了9.26%。跟踪算法在MOT数据集上具有较好的鲁棒性和跟踪准确度,相较于近年来流行的YOLOv3-DeepSort,SSD-Sort,MOTA分别提高了5.39%,8.17%。

基于相关滤波的铁路异物侵限跟踪方法研究

针对铁路异物侵限频繁发生导致的列车运行安全问题,提出一种基于背景感知相关滤波器的铁路异物侵限跟踪方法。利用方向梯度直方图(HOG,Histogram of Oriented Gradient)特征提取铁路侵限异物自身特征,结合剪裁矩阵,以增加视频帧中实际背景的负样本;使用交替方向乘子法(ADMM,Alternating Direction Method of Multipliers)训练背景感知相关滤波器,减少计算复杂度,在保证跟踪速度的前提下,提升跟踪侵限异物的准确性,从而适应铁路沿线环境中由于侵限异物的形变、快速移动或天气等原因造成的目标丢失及跟踪框漂移等情况。实验结果表明,该方法对铁路侵限异物的跟踪精确度和AUC(Area Under Curve)值分别达到93%和71.9%,均高于SRDCF、KCF、ASLA和CSK等算法,具有更好的准确性。

一种基于局部HOG特征的运动车辆检测方法

在平均车头时距较小的交通拥挤情景中,针对传统的基于截取完整车辆作为待检区域的方向梯度直方图(HOG)特征匹配方法较难取得准确的待检区域及其漏检率与误检率较高等问题,本文提出一种基于局部HOG特征提取及识别方法。首先采用中值滤波的方式对图像进行预处理,然后在图像中选取特定区域并设置一条虚拟检测线,将此检测线作为感兴趣区域(ROI)来提取灰度图像的局部HOG特征向量,最后采用支持向量机(SVM)对局部HOG特征向量进行模型训练,以及对车辆处于检测线和离开检测线这2种状态进行分类和计数。针对支持向量机的输出结果存在噪声点的问题,使用检测队列和二次确认模块相结合的方法进行过滤,且在选取训练样本时利用车尾阴影来提高检测的灵敏度。该方法与传统的基于车辆整体外观的HOG特征检测方法及其他车辆计数方法相比,具有检测率高、实时性强、灵敏度高的特点,尤其在平均车头时距较小的交通拥挤状况中,检测效果明显优于其他方法。

基于多尺度特征和嵌套级联Adaboost的车辆检测

为提高车辆检测的速度和准确性,提出了一种基于多尺度方向梯度直方图(HOG)和多尺度多块局部二进制模式(MB-LBP)两种特征与嵌套级联Gentle Adaboost的车辆检测算法。分别使用积分直方图和积分图像加速提取多尺度HOG和多尺度MB-LBP特征。基于两种特征为Gentle Adaboost构建两种弱分类器,并采用嵌套级联Gentle Adaboost分类器提高检测率和检测速度。仿真实验结果表明:相比于现有的几种车辆检测算法,提出的算法检测速度更快,且检测精度和召回率更高。