基于分块特征收缩的行人检测方法

摘要：

针对基于梯度方向直方图(HistogramofOriented Gradient,HOG)特征和局部二值模式(Local Binary Patterns,LBP)特征的行人检测存在特征向量维度大、检测精度有待提高的问题,提出了一种分块特征收缩的行人检测方法.首先将样本图像划分成多个大小相同的重叠分块;然后提取各分块的HOG和LBP特征,并将两种特征融合作为分块的特征,通过该特征来训练分块分类器,根据分块分类器的行人检测精度对分块进行排序,选取检测精度较高的分块进行特征收缩;最后将特征收缩后的分块特征向量连接在一起作为最终用于行人检测的特征.在INRIA公共测试集合上的实验结果表明,该方法在降低了特征向量维度的同时提高了行人检测精度.

关键词：行人检测、特征融合、分块特征收缩、梯度方向直方图、局部二值模式

所属期刊栏目：41

分类号：TP391(计算技术、计算机技术)

资助基金：国家重点基础研究发展计划973项目2011CB707904;教育部博士学科点专项基金项目20110141120035;交通运输部联合科技公关项目2009353344570

在线出版日期：2015-01-12（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：255-259