APP下载

基于PCA降维的多特征级联的行人检测研究

2021-04-04令晓明郭锐辛刘光廷王锐东

制造业自动化 2021年3期
关键词:特征检测

令晓明 ,郭锐辛 ,刘光廷 ,王锐东

(1.兰州交通大学 国家绿色镀膜技术与装备工程技术研究中心,兰州 730070;2.兰州交通大学 机电工程学院,兰州 730070;3.兰州交通大学 光电技术与智能控制教育部重点实验室,兰州 730070)

0 引言

行人检测就是指将视频帧或者待处理图像中出现的行人从背景中分割出来并给出位置信息。在行人检测中如何能够提取到更加全面的行人特征信息,一直是很多学者研究的方向。Dalal等提出的基于梯度方向直方图描述行人轮廓的方法最具有影响力,其中HOG+SVM也成为了行人检测领域内的主流方法[1],但缺点是HOG特征维高,计算量大,训练时间长。文献[2]提出利用积分图技术提高了HOG特征的计算速度,但对特征维度高的缺点仍未能解决。文献[3]提出将HOG算子和描述纹理特征的LBP特征结合起来作为一种新的算法,提高了行人检测遮挡问题的辨识能力,多特征的融合比单一特征具有更强的描述行人能力。文献[4]利用HOG-PCA算法提取视频帧中的行人特征,该方法在没有太多遮挡的视频帧中提高了检测率,降低了特征维度,提高了计算速度。

因此,针对目前复杂背景下行人检测提取特征维度高、训练时间长的问题,本文提出采用PCA降维的多特征级联的行人检测方法。多特征指提取行人的HOG特征、颜色频率特征和肤色特征,采取串联的方式将该3种特征作为行人检测的描述子,最后结合SVM分类器进行分类识别[5]。

1 算法理论及特征提取

1.1 HOG特征提取

HOG特征是一种局部区域描述符,它通过计算局部图像区域上的梯度方向直方图来构成局部目标的特征,能够很好的表征出人体轮廓信息。……

登录APP查看全文

猜你喜欢

特征检测
如何表达“特征”
不忠诚的四个特征
小波变换在PCB缺陷检测中的应用
线性代数的应用特征