基于Cauchy模型的行人轮廓提取及目标检测

摘要：

为了提高行人目标轮廓参量的提取精准度数值,实现对待监测目标的实时稳定跟踪,提出基于Cauchy模型的行人轮廓提取及目标检测算法;基于Cauchy分布原理,估计行人轮廓目标的最大似然值,再结合计算第二类统计量方法,完成基于Cauchy模型的行人目标统计建模;在此基础上,建立卷积神经网络,利用卷积化与反卷积参量,提取Gabor行人轮廓特征;在目标图像分割理论的作用下,识别既定区域内的所有行人目标,持续标记各类已存在的行人目标,实时检测行人轮廓目标,实现基于Cauchy模型行人轮廓提取及目标检测;实验结果表明,与Kinect型检测算法相比,应用Cauchy型算法后,行人目标轮廓的检测精度值提高至93％,而PTR实测指标降低至3.97,可有效实现待监测行人轮廓目标的实时稳定跟踪.

关键词：Cauchy模型;行人轮廓;目标检测;最大似然值;第二类统计量;卷积神经网络;Gabor特征;图像分割

所属期刊栏目：29

分类号：TP311(计算技术、计算机技术)

资助基金：广东省教育厅2016年重点培育学科项目;广东省普通高校青年创新人才项目;国家级大学生创新训练计划项目

在线出版日期：2021-08-13（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：41-45