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(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權(quán)，請進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡介

紅外圖像中行人檢測匯報(bào)人：范俊目錄行人檢測方法分類行人檢測的系統(tǒng)框架圖像分割HOG特征行人檢測的方法非機(jī)器學(xué)習(xí)的方法基于機(jī)器學(xué)習(xí)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(bào)率高基本采用這種方法來實(shí)現(xiàn)檢測行人檢測的系統(tǒng)框架行人檢測問題本質(zhì)上是一種模式識別問題，典型的模式識別系統(tǒng)框架如下圖。數(shù)據(jù)獲取模式空間預(yù)處理特征提取特征向量特征空間分類器設(shè)計(jì)分類決策類型空間模式識別訓(xùn)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(chuàng)建標(biāo)準(zhǔn)數(shù)據(jù)集特征提取訓(xùn)練兩類分類器最終分類器訓(xùn)練多尺度掃描圖像特征提取利用分類器進(jìn)行分類決策融合多尺度上的檢測結(jié)果檢測檢測結(jié)果避免多尺度掃描感興趣區(qū)域分割ROI區(qū)域特征提取分類決策檢測結(jié)果優(yōu)點(diǎn)：檢測速度快缺點(diǎn)：檢測效果不如滑動(dòng)窗口法，容易漏檢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(dǎo)數(shù)較大，二階導(dǎo)數(shù)在邊緣處值為0，呈現(xiàn)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算法高斯濾波器平滑圖像一階偏導(dǎo)的有限差分來計(jì)算梯度的幅值和方向?qū)μ荻确颠M(jìn)行非極大值抑制雙閾值法檢測和連接邊緣中心像素C與沿著梯度線的兩個(gè)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(gè)閾值th1和th2，兩者關(guān)系th1=0.4th2。我們把梯度值小于th1的像素的灰度值設(shè)為0，得到圖像1。然后把梯度值小于th2的像素的灰度值設(shè)為0，得到圖像2。由于圖像2的閾值較高，去除大部分噪音，但同時(shí)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(chǔ)，以圖像1為補(bǔ)充來連結(jié)圖像的邊緣。canny算法邊緣檢測效果K-均值聚類聚類前：聚類后：判斷d最大對應(yīng)的u的相鄰兩聚類中心平均值作為閾值進(jìn)行二值化均值聚類分割效果HOG特征輸入圖像Gamma歸一化計(jì)算梯度在每個(gè)cell中將梯度投影到梯度方向?qū)ells在bloc

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(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽，若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 人人文庫網(wǎng)僅提供信息存儲空間，僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理，對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容，請與我們聯(lián)系，我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)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