应用于行人检测的HLBP与CHLBP纹理特征

根据CSLBP(center-symmetric local binary pattern)和Uniform LBP(local binary pattern)特征描述行人局部纹理互补性的特点,提出将二者级联的组合特征用于行人检测:基于灰度图像的纹理特征(hybrid local binary pattern,HLBP)和基于颜色空间的纹理特征(color based hybrid local binary pattern,CHLBP)。实验结果表明,当FPPW=10–4时,HLBP特征的检测率为93.96%,与Uniform LBP和CSLBP特征相比分别提高3.46%和9.68%,基于颜色空间L′C′C′与HIKSVM分类器结合时的检测率高达98.58%。与传统的纹理特征检测方法相比,该特征提高了行人检测精度,降低了误检率,检测性能得到较大幅度的提升。

尺度自适应的HLBP纹理特征目标跟踪算法

为解决传统均值漂移跟踪算法难以适应目标的快速性以及尺度变化的问题,提出一种尺度自适应的目标跟踪算法,以HLBP纹理特征(Haar型特性局部二元模式)均值漂移跟踪算法为基础,结合帧差法、最大类间方差法以及形态学处理得到的二值图进行区域生长,确定目标真实大小,更新跟踪框,对搜索结果进行修正。实验结果表明,该算法可以跟踪快速移动的目标,实现尺度自适应,算法复杂度低,有着良好的跟踪性能。

HLBP与颜色特征自适应融合的粒子滤波目标跟踪改进算法

针对只采用颜色特征的经典粒子滤波目标跟踪算法无法适用相同颜色干扰情况的缺陷,提出一种结合HLBP特征与颜色特征的自适应粒子滤波跟踪算法.该算法采用Haar型局部二值模式算子(Haar local binary pattern,HLBP)提取的HLBP纹理特征与颜色特征结合,通过自适应权值动态调整颜色特征和纹理特征在追踪过程中的比重,实现颜色纹理特征的自适应融合.实验表明,该算法改进了相同颜色干扰情况下的追踪效果,并在目标被遮挡的情况下仍能持续稳定地追踪,提高了追踪的准确度和适用性.

改进的CamShift无人机目标跟踪算法

目前,无人机视频目标跟踪算法在应用方面仍存在一些问题,比如在光照不均、目标发生旋转、目标被遮挡的情况下跟踪效果不佳。因此,本文提出一种结合HLBP特征匹配与Kalman滤波的CamShift跟踪算法。首先通过HLBP算法对目标特征进行提取,获得更准确的纹理特征,进而减小光照变化以及目标旋转对特征提取造成的干扰,其次通过巴氏距离对目标遮挡程度进行判断,最后结合Kalman滤波算法对目标位置进行预测,能够有效解决目标发生遮挡时跟踪效果不佳的问题。实验结果表明,在无人机目标跟踪的实际应用中,改进算法能够有效降低外在干扰对跟踪效果的影响,跟踪精度得到提升。

基于Haar特性的LBP纹理特征

图像纹理特征能够反映图像的灰度分布程度、对比度、空间分布和图像的内在变化特性,在确保较低计算复杂度的前提下,有效提取深层次的图像纹理信息是其研究的难点问题.针对这一问题,从相邻区域的统计特征分析入手,提出了一种Haar型特性局部二元模式(Haar local binary pattern,简称HLBP)的图像纹理特征提取方法.鉴于Haar型特征运算简单、快捷,统计局部特征有效、可靠,将其引入LBP中.该方法首先给出8组Haar型特征编码模式,按照局部二元模式(local binary pattern,简称LBP)统计图像局部纹理特征,因采用局部区域统计方法能够有效降低噪声的影响;其次,为了进一步提高图像纹理特征的有效呈现,结合Gabor小波滤波在不同方向、不同尺度对灰度水平图像进行特征提取,以增强纹理有效提取的性能,提高不变特征的稳健性;最后,通过4组对比实验验证了该方法的可行性.实验分别在标准的Brodatz正常分块纹理库测试集、分块且缩放Brodatz纹理库测试集、分块且旋转Brodatz纹理库测试集以及Yale B扩展的非均匀光照条件人脸库测试集上进行.实验结果表明,该方法能够有效地表达图像的纹理特征.

基于网格纵横局部二值模式的三维人脸识别

提出一种基于网格纵横局部二值模式的三维人脸识别方法。为了充分体现人脸表面的细节差异,有效表示出由表情引起的局部形状变化,本文首先在人脸网格表面的半刚性区域内检测关键点集,并且由关键点确定中心面片,由中心面片及其周围有序环确定关键点邻域;其次将网格上中心面片及其周围有序环看成一个整体,从纵向(相邻环上对应面片之间)和横向(同一环上相邻标号面片之间)分别提取网格纵向局部二值模式描述符和网格横向局部二值模式描述符;然后对这两者进行特征融合得到网格纵横局部二值模式描述符;最后利用LC-KSVD2字典学习算法在Bosphorus数据库和FRGC v2.0数据库上完成识别实验。在Bosphorus数据库上各表情的平均Rank-1识别率为97.6%,在FRGC v2.0数据库上的Rank-1识别率为97.9%,该实验结果充分表明本文所提算法具有较高的识别精度,并且对表情变化具有一定的鲁棒性。

基于改进LBP人脸识别方法研究

局部二值模式(LBP)是一种对灰度图像的纹理进行描述的方式。然而经典的LBP算法存在数据使用不充分的问题,因此提出一种分层的LBP算子(HLBP)。HLBP选取多层阈值对图像进行LBP序列化,然后将序列化后的LBP直方图进行联合。并在人脸识别中应用改进后的HLBP算子提取特征。基于YALE和ORL人脸数据库的实验结果表明,HBLP算法比经典的LBP算法的识别率高。