行人檢測介紹_第1頁
行人檢測介紹_第2頁
行人檢測介紹_第3頁
行人檢測介紹_第4頁
行人檢測介紹_第5頁
已閱讀5頁，還剩10頁未讀， 繼續免費閱讀

下載本文檔

版權說明：本文檔由用戶提供并上傳，收益歸屬內容提供方，若內容存在侵權，請進行舉報或認領

文檔簡介

1、匯報人：范俊目錄目錄n行人檢測方法分類n行人檢測的系統框架n圖像分割nHOG特征行人檢測的方法行人檢測的方法非機器學習的方法基于機器學習方法行人檢測1.幀差法2.背景差分法3.光流法4.基于模板匹配法受場景影響大，檢測率低、誤報率高基本采用這種方法來實現檢測行人檢測的系統框架行人檢測的系統框架n行人檢測問題本質上是一種模式識別問題，典型的模式識別系統框架如下圖。數據獲取模式空間預處理特征提取特征向量特征空間分類器設計分類決策類型空間模式識別訓練樣本特征提取和選擇分類器XY樣本識別目前主流的行人檢測框架如下圖。創建標準數據集特征提取訓練兩類分類器最終分類器訓練多尺度掃描圖像特征提取利用分類器進行

2、分類決策融合多尺度上的檢測結果檢測檢測結果避免多尺度掃描避免多尺度掃描感興趣區域分割ROI區域特征提取分類決策檢測結果優點：檢測速度快缺點：檢測效果不如滑動窗口法，容易漏檢圖像分割圖像分割圖像分割基于邊緣的方法閾值法特征聚類算法Prewitt算子Sobel算子Canny算子邊緣走向，像素值幅度變化平緩，垂直變化劇烈，所以邊緣上像素值一階導數較大，二階導數在邊緣處值為0，呈現零交叉基于直方圖灰度分布的閾值法基于類間方差的閾值法基于熵的劃分K-均值聚類均值漂移基于圖論canny算法算法高斯濾波器平滑圖像一階偏導的有限差分來計算梯度的幅值和方向對梯度幅值進行非極大值抑制雙閾值法檢測和連接邊緣1111

3、1H11112HyxHnmfnm,),(),(11),(),(,22nmHnmfnm),(),(),(2221nmnmnm),(),(arctan12nmnm2, 11, 1,1,),(nmfnmfnmfnmfnmP2 1, 1 1, 1,nmfnmfnmfnmfnmQ1g2gC2dTmp1dTmp3g4g中心像素C與沿著梯度線的兩個像素相比，若C的梯度值不比dTmp1和dTmp2大，則令其灰度值為0對非極大值抑制圖像作用兩個閾值th1和th2，兩者關系th1=0.4th2。我們把梯度值小于th1的像素的灰度值設為0，得到圖像1。然后把梯度值小于th2的像素的灰度值設為0，得到圖像2。由于圖像

4、2的閾值較高，去除大部分噪音，但同時也損失了有用的邊緣信息。而圖像1的閾值較低，保留了較多的信息，我們可以以圖像2為基礎，以圖像1為補充來連結圖像的邊緣。canny算法邊緣檢測效果算法邊緣檢測效果K-均值聚類均值聚類1101010iiiiii、及、分別為設聚類前后聚類中心值非常小、后標，則聚類內的像素屬于同一類目、若聚類空間1111iiiiiiKKK聚類前：10100010iiiil211iiiid聚類后：判斷d最大對應的u的相鄰兩聚類中心平均值作為閾值進行二值化均值聚類分割效果均值聚類分割效果HOG特征特征輸入圖像Gamma歸一化計算梯度在每個cell中將梯度投影到梯度方向將cells在block內

溫馨提示

  • 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網頁內容里面會有圖紙預覽，若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業或盈利用途。
  • 5. 人人文庫網僅提供信息存儲空間，僅對用戶上傳內容的表現方式做保護處理，對用戶上傳分享的文檔內容本身不做任何修改或編輯，并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容，請與我們聯系，我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論