10.3969/j.issn.1672-9870.2016.02.025
基于机器学习的NAO机器人检测跟踪
为了解决对人形NAO机器人的检测跟踪问题,提出了一种机器学习与特征匹配相结合的方法.向梯度直方图(Histogram of Oriented Gradient)特征是一种在计算机视觉和图像处理中用来进行物体检测的特征描述子,在行人检测中取得了较好的效果.将其应用于人形NAO机器人的检测跟踪,并结合AdaBoost算法通过机器学习的方法,从大量的训练样本中自动抽取HOG特征并建立级联分类器,利用分类器找出视频帧中含有机器人目标的区域,并在此基础上利用SURF(Speed Up Robust Features)特征匹配方法与模板图像进行特征匹配,以提高目标识别的正确率.实验结果表明,该方法对NAO机器人在室内光线无遮挡的情况下取得了稳定的跟踪效果.
目标检测、方向梯度直方图、AdaBoost分类器、SURF特征匹配
39
TP391.41(计算技术、计算机技术)
2016-06-15(万方平台首次上网日期,不代表论文的发表时间)
共4页
116-119