基于感兴趣区梯度方向直方图的行人检测

针对以梯度方向直方图作为人体特征的行人检测存在向量维数较大、检测时间较长的问题,提出基于感兴趣区梯度方向直方图的行人检测方法,分别在头部及四肢等重点区域计算梯度方向直方图,有效地减少了向量维数。实验结果表明,该方法在检测率基本不变的情况下提高了检测速度。

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.

结合路面深度影像梯度方向直方图和分水岭算法的裂缝检测

裂缝检测对于道路维护和管理具有重要作用.由于深度影像对路面油污、阴影等因素不敏感,近些年来基于深度影像的检测方法已成为路面裂缝检测新的研究方向之一.传统的激光扫描线方法没有顾及裂缝在整个空间分布的变异性、各向异性和全局性特征,无法有效检测横向、块状、网状等裂缝.针对以往算法的不足,提出一种结合梯度方向直方图和分水岭算法的路面裂缝检测方法.首先,通过梯度方向直方图算法提取路面深度影像的裂缝边缘强度和方向;然后,利用裂缝边缘方向改进传统分水岭算法,最终提取裂缝目标.实验结果表明,该方法不仅能够准确检测多种类型的裂缝目标,而且能识别裂缝破损程度.

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。

一种新的基于梯度方向直方图的图像配准方法

构建了一种新的局部梯度方向直方图,同时定义了特征点的主方向,从而提出了一种具有旋转不变性的图像配准算法。首先采用高斯加权求模技术对特征点邻域内的像素的梯度作直方图统计,确定出具有旋转不变性和抗噪性的特征点主方向;然后用主方向作角度直方图统计,确定待配准图像之间的旋转角度。根据得到的特征点信息及旋转角度定义了特征点对互信息匹配准则,这样使得新配准算法对于图像间旋转角度的范围没有限制,获得了良好的配准效果。

基于梯度方向直方图与高斯金字塔的车牌模糊汉字识别方法

针对现有车牌识别方法中对模糊车牌识别率不高的问题,提出一种结合高斯金字塔与梯度方向直方图(HOG)特征的车牌识别算法。利用金字塔模型多尺度表达的方法,首先对车牌模糊汉字图像建立两层高斯金字塔模型,第一层描述了模糊汉字的细节特征,通过对第一层作平滑处理并向下采样得到第二层,在描述模糊图像细节特征的基础上突出主体特征;然后对两层高斯金字塔模型提取HOG特征,拓展图像的特征维数,提高特征对模糊汉字的识别能力;最后采用BP神经网络分类器进行模糊且互为形近字间的汉字分类识别。仿真结果显示,在相同的样本空间下,与HOG特征法、K-L变换法相比,所提算法在识别率方面均有提高,能提高视频监控中对模糊汉字的有效识别率。

基于梯度方向直方图的本色布疵点检测算法

本色布疵点检测是质量控制重要环节,目前仍由人工来完成。文章采用梯度模板与灰度化处理之后的本色布图像进行卷积,得到图像的梯度模和角度,将角度离散化,然后将图像分块,每块内根据离散化后的角度统计直方图,将所有分块的直方图连接,构成原始图像的梯度方向直方图特征向量,最后采用卡方距离和最近邻分类器进行分类。在包含1 252幅图像的数据集上进行实验,其中训练图像457幅,测试图像795幅,准确率达到96.85%。实验结果表明基于梯度方向直方图的特征提取算法能有效识别出本色布图像中的疵点。

基于稳定区域梯度方向直方图的行人检测方法

针对HOG算法采用简单均匀分布的块提取行人特征,导致过多冗余特征和检测效率较低问题,提出一种启发式的块生成算法.首先将待检测窗口划分成多个大小不一且交叉重叠的块,然后根据各个块的梯度方向直方图特征的稳定性对各个块进行排序,最后选取稳定性最高的多个块作为最终HOG算法的特征提取块.实验结果表明,该算法可取得较好的检测效果,并且检测速度得到了进一步的提高.

梯度方向直方图和子流形在目标跟踪中的应用

针对光照、姿态变化等情况下的目标稳定跟踪问题,提出了一种基于梯度方向直方图和子流形的目标跟踪方法。首先对目标区域进行划分,将各子区域的梯度方向直方图组合作为目标初始特征描述;然后通过局部保留投影将初始特征投影到子流形得到低维特征描述。在特征提取过程中使用了积分直方图以提高运算速度。在跟踪阶段,首先使用离线训练方式得到了目标类的子流形空间特征,然后使用子流形空间中特征与训练样本均值的距离作为相似性度量,采用粒子滤波框架进行跟踪。针对目标亮度、尺度、姿态变化以及存在遮挡等复杂条件下的视频跟踪结果验证了所提出方法的有效性和鲁棒性。

基于韦伯梯度方向直方图的人脸识别算法

针对传统人脸识别算法在姿态、表情和光照等变化下而引起识别效果不佳的问题,提出一种韦伯梯度方向直方图人脸识别算法(HWOG)。利用差动激励提取图像的结构和纹理信息,利用HOG算子提取原始图像的边缘特征,分块统计直方图特征信息,将所有分块的直方图串接得到人脸图像HWOG特征,用最近邻分类器进行分类。在YALE人脸库、ORL人脸库上和CAS-PEAL-R1进行实验,实验结果表明所提算法能有效提高识别率,且对光照、表情和姿态变化有较好的鲁棒性。

视角和旋转角变化时梯度方向直方图的转换

使用梯度方向直方图(HOG)来检测目标,需要大量的,有代表性的样本来训练分类器.一个目标的HOG,其特征在不同的摄像机视角和不同的光轴旋转角下,并不相同.因此,使用不同视角下的混合样本集来训练分类器时,目标检测的准确率受到样本噪声的影响将会降低.基于摄像机成像的基本原理,提出了一种转换算法,可以把一个样本在某个视角下的HOG特征转换成另一个视角下的HOG特征.这样既降低了分类器训练时需要采集的正负样本数量,又提高了支持向量机(SVM)分类的准确性,从而提高了目标检测的准确性.大量目标检测实验结果表明本文提出的算法是有效的.

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.

素描梯度方向直方图用于人脸画像识别

为有效提取人脸画像的轮廓信息,首先提出素描算子,使人脸画像的梯度幅值图像清晰、厚重,由此形成素描梯度方向直方图(S-HOG)描述子。其次优化S-HOG描述子的主要参数,提升S-HOG描述子的图像信息表达能力。针对缺乏实验用人脸刑侦画像库问题,建立了由不同画家完成的多风格人脸画像(MSFS)库,用于模拟人脸刑侦画像库。最后,在MSFS库、人脸观察画像库、PRIP人脸合成画像库上与尺度不变特征转换(SIFT)描述子、统一局部二值模式(ULBP)描述子及HOG描述子进行了比较实验。结果表明:在人脸观察画像库上,提出的S-HOG描述子比SIFT、HOG和ULBP描述子的识别率提高5.14%、3.22%和68.81%。在MSFS库上,分别提高14%、5.5%和26.5%。在PRIP库上,分别提高6.15%、4.06%和9.75%。

基于分层梯度方向直方图和SVM的人体识别

为了进一步提高图像人体识别精度,提出了一种能够反映局部图像整体形状信息的加权分层梯度方向直方图(HOG)特征;采用主成分分析(PCA)法对所提出的特征结构进一步改进,得到了另一种分层HOG+PCA特征;应用了基于径向基函数(RBF)核的支持向量机(SVM)模型作为人体分类器,交叉验证了模型的参数,并在一个较为完备的人体图像样本集上进行了训练和测试;实验结果表明,所得到的两种局部图像形状描述特征均具有比HOG特征更高的人体识别精度。

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。

基于改进梯度方向直方图的多尺度的行人检测

行人检测是计算机视觉中重要而有挑战的研究方向。为了提高识别精度,提出了一种更有效的特征提取方法,这个方法的特点是提取梯度方向直方图(HOG)特征时能够获得更多的梯度信息,从而更好地生成表征在更大范围内的图像中或者检测窗口中人体细节的特征描述算子;利用线性核函数(LINEAR)的支持向量机(SVM)和HOG训练得到的行人检测分类器,再采取多尺度检测技术和非极大值抑制能够精确定位行人在图像中的位置。实验结果表明,该行人检测系统检测精度较高。

基于改进梯度方向直方图的人民币识别(英文)

提出一种基于改进梯度方向直方图和支持向量机分类器的人民币识别方法.利用人民币红外图像中斑马线特征进行真伪识别,通过Fisher准则进行特征块选择实现梯度方向直方图特征的降维.针对斑马线防伪图案进行实验.结果表明,该方法能克服红外图像中的背景干扰和噪声,得到较好鉴伪结果.

融合颜色和梯度方向直方图的粒子滤波跟踪算法

针对基于单一颜色特征的粒子滤波跟踪算法在复杂环境下会导致跟踪失败的问题,提出了一种融合颜色直方图和梯度方向直方图,形成一种新的综合直方图特征的粒子滤波跟踪算法.颜色直方图是对目标在彩色图像中的全局描述,而梯度方向直方图包含了一定的结构信息,两者可以互为补充.实验结果表明,采用综合直方图特征能够在背景颜色干扰导致目标颜色特征鉴别能力丧失的情况下,仍能稳定可靠地跟踪目标,提高了跟踪精度,具有较强的鲁棒性.

一种基于梯度方向直方图的俯视行人的检测方法

目前已有很多关于行人检测方面的研究,这些研究基本建立在行人竖直站立或行走的平视图上,主要应用于视频监控和车载辅助驾驶等领域,但在实际应用中,有时需要从不同的视角检测行人.文中提出一种针对俯视行人检测方法,该方法将俯视行人头部的梯度方向直方图统计信息作为检测目标的特征.通过训练样本提取的特征向量在支持向量机中进行训练得到分类模型参数,然后提取检测样本的特征向量输入分类模型进行判别.与现有行人检测的梯度方向直方图算子相比,文中特征描述算子突出目标的区域与轮廓特征,在目标分块、特征计算和特征统计方法上均有变化.实验证明算法有效且处理速度明显提升.

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。