-
题名一种深度图像特征的建筑物内行人检测方法
被引量:4
- 1
-
-
作者
刘剑
徐萌
赵悦
张锐
高恩阳
-
机构
沈阳建筑大学信息与控制工程学院
-
出处
《小型微型计算机系统》
CSCD
北大核心
2018年第4期852-858,共7页
-
基金
国家自然科学基金项目(61272253)资助
辽宁省自然科学基金项目(201602616)资助
+1 种基金
辽宁省教育厅科学研究项目(L2015443)资助
住建部项目(2015-K2-015)资助
-
文摘
针对传统建筑物内行人检测算法复杂背景遮挡、光照影响等导致的检测不准确、效率低等问题,提出一种基于深度差值及方向梯度特征的行人检测算法.利用Kinect采集图像,在深度图像中对深度差值及方向梯度进行计算,通过滑动窗口对整个深度图像进行特征提取,获得特征向量,并利用主成分分析法降维.最后利用随机森林选取分类能力较强的特征并进行分类,实现训练及检测.在不同背景及光照条件下进行检测实验,平均检测率达到87.89%,平均每帧检测时间为0.121s.将本方法与GEBCF(泛化和检测平衡共生特征)及FCF(滤波通道特征)算法对比,检测率分别提高0.92%、0.68%.实验结果表明本方法有效提高了行人检测的准确率,具有更高的检测效率,能快速、准确地检测行人.
-
关键词
行人检测
深度差值特征
深度方向梯度特征
主成分分析法
随机森林
-
Keywords
pedestrian detection
depth difference feature
direction gradient feature
principal component analysis
random forest
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名基于深度图像的人体关节点定位方法
被引量:1
- 2
-
-
作者
吕洁
刘亚洲
韩庆龙
杜晶
-
机构
海军航空工程学院基础部
南京理工大学计算机科学与工程学院
-
出处
《海军航空工程学院学报》
2016年第5期538-546,共9页
-
基金
国家自然科学基金资助项目(61300161)
教育部博士点新教师基金资助项目(20133219120033)
-
文摘
提出了一个基于深度图像的人体关节点定位的方法:首先将图像中的人体区域分割出来,然后利用随机森林分类器对逐个像素点进行分类,得到身体的各个部件并寻找关节点的位置。通过实验发现,本方法准确性较高并具有一定实时性。分类的准确率为68%,相较Kinect技术(40%)达到了较高的分类水平。预测人体关节点位置的平均时间为每帧150ms,符合实用性要求。
-
关键词
深度图像
随机森林
深度梯度特征
关节位置定位
-
Keywords
depth images
random forest
depth gradient feature
joint position proposals
-
分类号
TP312
[自动化与计算机技术—计算机软件与理论]
-
-
题名基于随机丛林的人体部件分类方法
- 3
-
-
作者
屈雁秋
陈锋
-
机构
中国科学技术大学自动化系
-
出处
《计算机工程》
CAS
CSCD
北大核心
2018年第1期247-251,共5页
-
文摘
人体部件分类是人体姿态跟踪中的重要前提和关键步骤。传统深度梯度特征下的随机森林分类方法虽然可以达到实时性的要求,但仍存在准确度不高、对噪声不够鲁棒、内存消耗过大等缺点。为此,提出传统深度特征与RGB边缘特征相融合的一种新的分类方法,并在特征维度加大的情况下引入随机丛林模型。实验结果表明,该特征分类方法不仅可以减少20%左右的运行时间,还可以提高1%左右的测试准确率。
-
关键词
人体部件分类
深度梯度特征
RGB边缘特征
随机丛林
有向无环图
-
Keywords
body part classification
gradient feature of depth
edge feature of RGB
random jungle
Directed AcyclicGraph (DAG)
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-