星空背景下运动目标级联支持向量机(SVM)高精度检测

为实现空间监视系统光学图像中目标高精度探测,提出了一种星空背景下高精度快速级联式支持向量机空间目标检测算法。通过提取空间目标不同尺度下目标二值规范化特征,训练前两级线性级联支持向量机分类器;继而提取目标的面积、周长、灰度、Hu矩特征作为组合特征,训练第三级支持向量机分类器。在目标检测过程中,采用前两级支持向量机分类器进行候选目标的窗口预测和评分,进而利用第三级支持向量机分类器进行目标确认而给出检测结果。仿真实验及结果分析表明,这种级联支持向量级目标检测方法的精度高、实时性强、适用于星空背景下的空间监视系统。

基于级联支持向量机的飞秒激光烧蚀光斑分类

为了对光斑图像进行精确分类,提出优化的级联支持向量机(SVM)分类器。首先通过SVM分类器并采用质心特征对光斑进行一级分类,得到一类被正确地分类到相对应的运动状态,称为R光斑,其中包括一级拖尾方向为左上(UP)光斑和一级拖尾方向为左下(DN)光斑,另一类被错误分类,称为E光斑。然后,对一级DN光斑进行叠加并求取均值,得到均值光斑。为了进一步得到标准模型使其与每个一级DN光斑相似度尽可能最大,将均值光斑放入生成对抗网络(GAN)中进行训练。最后,利用结构相似度计算E光斑与标准模型的相似度,对E光斑进行二级SVM分类,产生二级UP和DN光斑。将其与一级光斑合并,则为最终的分类结果。对功率分别为10,20,50 mW下的光斑图像进行分类,对应的分类精度为100%、100%和98.5%。相比于传统的分类方法,对应的分类精度提升5~9个百分点,12~16个百分点和9.0~15.5个百分点,说明该分类器具有明显的优越性。

一种基于时空HOG与级联SVM的行人检测算法

行人检测技术是计算机视觉和人工智能领域的核心问题,在现代智能监控中具有重要的应用前景,随着计算机视觉与模式识别技术的发展,基于监控视频的行人检测算法不断被提出。由于现有的行人检测算法受到光照、视角、尺度、姿势以及部分遮挡等因素的影响,使得行人检测仍然是一个开放性的问题。该文针对现有行人检测算法在处理复杂背景以及尺度变化等情况时存在检测精度不高的问题,提出了一种基于时空梯度方向直方图与级联支持向量机的行人检测算法。时空梯度方向直方图用于描述行人的外观特征和运动特征,通过对外观特征、运动特征进行融合,采用级联支持向量机算法对行人检测器进行训练,最终得到分类效果好的行人检测器,实现更好的检测性能。

基于窗口边缘梯度势能的人体遮挡多尺度检测算法

为提高对于图像中人体检测的准确率,该文提出窗口边缘梯度势能(Window Gradient Potential Energy,WGPE)的概念和一种基于窗口边缘梯度势能快速人体检测方法。采用稀疏-稠密梯度势能窗口集对人体进行多尺度检测过滤,缩短了检测时间。采用改进后的加权级联支持向量机训练正负样本,将遮挡情况下的人体正样本进行加权划分,以检测遮挡环境下的人体。在对检测窗口进行过滤时,该算法并不需要增加过多的计算开销。在背景较为平滑的图像中,与多尺度面向梯度直方图(HOG)和HOG-LBP(Histograms of Oriented Gradients and Local Binary Pattern)方法相比在相同的准确率下,具有较少的检测时间。实验表明在人体检测的准确率和效率方面有所提高,对于处于半遮挡情况下人体检测,准确率也有明显提高。

应用HOG-CHT组合特征的行人检测

为了进一步提高HOG特征和CHT特征的检测率性能,改善低误判率条件下的检测性能,文中采用一种自适应阈值级联线性支持向量机的方案,在特征提取阶段将HOG特征和稀疏化的CHT特征相组合,形成一种表达能力更强的HOG-CHT组合特征.根据正、负类样本在上一级分类器中的输出值,自适应地选取阈值,将难以分类的样本作为下一级分类器的训练样本.在INRIA Person数据集上的实验结果表明:在误判率为0.02的条件下,HOG-CHT组合特征可以将检测率提高至97.60%;在误判率为0的条件下,相较于单个向量机分类器65.23%的检测率,自适应阈值级联线性支持向量机则可以将检测率提高至84.60%.文中提出的HOG-CHT组合特征具有更强的表达能力,自适应阈值级联支持向量机的分类方案很好地改善了系统低误判率部分的检测率.

基于HOG和SVM的双眼虹膜图像的人眼定位算法

针对近红外光下现有的人眼定位算法普遍存在准确性不高、泛化能力不佳等问题,提出了一种基于方向梯度直方图(HOG)和支持向量机(SVM)相结合的双眼虹膜图像的人眼定位算法。利用HOG提取虹膜图像的人眼特征,并结合SVM分类器对HOG特征进行训练从而实现人眼的精确定位。为了减少漏检和误检,进一步提高定位准确率,又提出了多级级联SVM分类器算法;另外针对近红外光线下虹膜图像独特的灰度分布特点,设计了一种图像预处理方法,能够显著提高人眼定位速度。在MIR2016和CASIA-IRIS-Distance数据集上的实验结果表明,基于HOG和SVM的双眼虹膜图像的人眼定位算法具有高准确率、强泛化能力和高实时性。