基于颜色自相似度特征的实时行人检测

行人检测在智能监控和辅助驾驶等方面有广泛的应用。当前行人检测中主流特征是梯度方向直方图(HOG),但其计算耗时导致检测速度慢。该文提出了一种新的颜色自相似度特征(CSSF),在颜色通道上计算两个选定的矩形块的比值衡量自相似性。首先,CSSF在描述行人的结构信息的同时避免了耗时的方向梯度计算,具有速度快的优点。其次,CSSF是标量特征,能高效快速与AdaBoost级联分类器结合学习行人检测器。再次,CSSF具有尺度不变性,能快速地进行多尺度检测。针对CSSF含有的海量特征,该文提出增量AdaBoost算法有效学习CSSF特征。实验结果表明:基于CSSF的行人检测器检测精度优于传统的HOG检测器,速度提高了7倍,在640×480大小的图像上达到实时效果。

彩色图像分割中基于图上半监督学习算法研究

提出一种新的基于图上半监督学习的彩色图像前景/背景分割模型与算法.该算法的目的是利用人工标定的部分像素点分割信息以实现对整幅图像的分割.通过结合像素点颜色特征和像素点颜色与前景/背景颜色的相似性特征,构造了新的图节点之间的双高斯权重函数,并对此提出自适应的参数选择策略与彩色图像半监督分割的能量模型,通过优化该能量模型将已知像素点的标号信息扩散到未知像素点.实验结果表明,所提出的新算法较已有算法具有更高的分割精度,因此具有重要的应用价值.