基于边缘对称性和HOG的行人检测方法

传统基于HOG特征的行人检测方法存在检测速度慢的问题。为此,提出一种基于边缘对称性和HOG的行人检测方法。利用对称差分提取输入窗口的垂直边缘,根据垂直边缘的对称性快速检测出行人候选区,采用HOG特征和线性支持向量机对行人候选区进行验证。实验结果表明,该方法在保持传统方法检测率的同时,能提高检测速度。

一种基于对称性边缘的多光谱图像配准方法

多光谱成像技术是遥感领域的一项重要技术。多光谱图像配准技术可以提高遥感图像的应用效率和能力。基于边缘结构在多光谱图像中较为稳定这一特性,提出了一种基于对称性边缘的多光谱图像配准方法,该方法主要包含'图像比例调整'、'对称性边缘提取'和'互信息配准'等三个步骤。基于天宫二号宽波段成像仪的遥感数据设计了一种多子图配准方案,验证了所提方法在可见光、短波红外和长波红外三个谱段之间图像配准的有效性。设置对比实验,将所提配准方法与其他多光谱图像配准方法进行比较,结果表明该方法在天宫二号宽波段遥感图像的配准中具有较高的精度。

基于对称性的快速车辆检测方法

提出了一种基于车辆边缘对称性和水平阴影的快速车辆检测方法。通过利用被检测图像减去道路背景图像的方法对被检测图像进行预处理,以最大限度去除背景图像中车道线等大量干扰,突出车辆图像,对图像分别做Sobel垂直和水平边缘检测。把垂直边缘图像分割放缩成远景、中景、近景3幅大小相同的图像,利用车辆对称性对分割放缩后3幅图像对称性进行检测,确定图像中所有车辆在图像中的水平位置。同时在水平边缘检测的图像中,利用水平阴影和汽车底部水平边缘确定汽车的垂直位置。实验结果表明,该方法简单、有效,能快速、精准地检测出汽车图像中所有的不同位置和不同大小的车辆。

利用腿部区域HOG特征的行人检测方法

为快速定位车辆前方的行人,提出一种基于腿部感兴趣区域梯度方向直方图(HOG)特征的行人检测方法。将可能存在行人腿部的区域作为感兴趣区域,采用Sobel算子增强腿部垂直边缘特征,并提取梯度方向直方图特征,有效地降低了特征向量的维数;在检测过程中仅扫描可能存在行人腿部的图像下半部分,并在整幅图像的块内计算HOG特征,减少了复杂背景对行人检测干扰,进一步简化了检测过程;基于垂直边缘对称性特征对检测结果进行融合。实验结果表明,该算法能在保持检测率的同时提高检测速度。

基于HOG特征的行人视觉检测方法

行人检测是近年来计算机视觉领域中备受关注的前沿方向和研究热点。以单目视觉传感器作为外界环境信息获取的主要手段,建立了一个包含行人分割、识别的检测系统。根据行人特有的一些特征,提出了基于垂直边缘和边缘对称性的行人分割方法,并进行精确定位。在行人识别阶段利用HOG特征进行特征提取,然后利用线性支持向量机进行行人识别。对大量的包括不同天气和场景条件下的测试集进行了测试,结果表明:提出的算法具有良好的检测效果。

高铁闸机智能监控系统中的行人检测算法研究

针对高铁闸机智能监控行人检测系统中较高的实时性要求,提出一种改进的基于梯度直方图(HOG)特征与AdaBoost分类的行人检测算法。首先对图像样本提取HOG特征,进行Gentle AdaBoost分类训练,得到高检测率的强分类器;然后对待测图像进行垂直边缘预处理,根据行人图像与非行人图像的边缘对称性特征,排除大量非行人窗口;最后对剩余窗口提取HOG特征,依据训练出的AdaBoost分类器检测HOG特征向量,判断窗口是否含有行人。实验结果表明:改进的行人检测算法比原算法计算量少,能够在保证原有准确率的基础上,对图像进行更快的检测,满足高铁闸机行人检测系统的实时性要求。

基于单目视觉的道路车辆检测系统设计(英文)

为了减少车辆碰撞,设计了一个新的基于单目视觉的道路前方车辆检测系统.首先,建立一个基于DM642数字信号处理器的小型灵活硬件平台.然后,提出了一个2步车辆检测算法.第1步,采用车辆边缘和对称性融合算法,设定较低阈值检测出所有可能车辆,该步骤对车辆有接近100%的检测率(TP)和对非车辆有较高的误检率(FP),即能获得图像中所有可能车辆;第2步,采用多尺度多方向Gabor特征对车辆样本进行表征,并用概率神经网络对大量车辆和非车辆样本进行训练,从第1步获得的可能车辆中识别出正确的车辆.实验表明:所设计的系统在不同道路、天气和光照条件下都具有很高的检测率和较低的误检率.