HOG特征混合模型结合隐SVM的感兴趣目标检测定位算法

摘要：

针对传统基于梯度方向直方图特征检测算法对解决目标模型单一、发生形变、存在遮挡及目标受干扰下定位困难的问题,提出一种基于HOG特征混合模型结合隐SVM的感兴趣目标检测算法.首先利用用训练图像的HOG特征金字塔表示得到包含感兴趣目标根模型、部件模型和对应可变形部件特征表示,该模型不仅描述目标的整体轮廓,而且能够捕捉到更为精细的目标部件轮廓,在一定程度上提高了检测算法在目标姿态复杂情况下的鲁棒性.然后利用HOG特征混合特征训练部件检测分类器LSVM( Latent Support Vector Machine).最后通过动态规划和距离转换算法在测试图上扫描出与可变形部件模型相匹配的区域,实现感兴趣目标的检测定位.经过多组实验结果表明,所提出的算法能较好地解决目标在发生较大形变和存在遮挡等复杂姿态下的定位问题.

关键词：目标检测、混合模型、梯度方向直方图、动态规划、隐支持向量机

所属期刊栏目：27

分类号：TP391.41(计算技术、计算机技术)

资助基金：国家自然科学基金61071199;河北省自然科学基金F2008000891;河北省自然科学基金F2010001297;中国博士后自然科学基金20080440124;第二批中国博士后基金特别资助200902356

在线出版日期：2012-01-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：1206-1212