中国博士后科学基金(2013M531504)
- 作品数：7 被引量：61H指数：5
- 相关作者：孙锐丁文秀陈效华徐勤军吴镇扬更多>>
- 相关机构：合肥工业大学奇瑞汽车股份有限公司东南大学更多>>
- 发文基金：中国博士后科学基金国家自然科学基金教育部留学回国人员科研启动基金更多>>
- 相关领域：自动化与计算机技术电子电信更多>>
- 基于多特征和多核学习的行人检测方法的研究被引量：1
- 2014年
- 行人检测系统涉及交通安全问题,需要很高的鲁棒性,基于单特征结合单核支持向量机的方法效果有限,为解决这一问题,提出采用多特征和多核学习的方法来提升系统的鲁棒性,通过将积分信道特征、多层次导向边缘能量特征和CENTRIST特征分别与直方图交叉核、高斯核和多项式核进行线性组合,采用简单多核学习(Simple MKL)来分别计算核函数的权重系数,将多核学习方法与经典的梯度直方图特征/支持向量机、多尺度梯度直方图特征/直方图交叉核支持向量机和特征融合/直方图交叉核支持向量机的行人检测方法进行比较,实验表明所提出的行人检测算法的鲁棒性有明显提升。
- 孙锐侯能干陈效华
- 基于分层深度学习的鲁棒行人分类被引量：4
- 2015年
- 针对行人分类中常见的光照条件、形体变化以及遮挡等多种因素,对特征提取过程造成了很大的阻碍。本文提出一种基于稀疏编码的分层特征提取方法。该方法采用前向预测函数训练最优的稀疏编码,在深度卷积网络模型的框架下以卷积预测稀疏分解算法(CPSD)分别对两层模型进行无监督学习,将两层的特征融合起来,最后采用支持向量机算法实现行人分类。实验结果表明,该文特征学习方法对行人分类的有效性,对比同类方法性能有明显提升。
- 丁文秀孙锐闫晓星
- 关键词：目标识别无监督学习
- 基于特征融合和交叉核SVM的快速行人检测方法被引量：17
- 2014年
- 行人检测是目标识别领域的一大难点。现阶段用于行人检测的特征维数都比较高,为克服高维特征对实时性的影响,本文运用主元分析(PCA)对特征进行降维,加快检测速度。单一特征的信息有限,本文运用基于线性鉴别分析(LDA)的线性权重融合原则对一些底层特征(颜色、梯度、直方图)和多层次导向边缘能量特征进行特征融合使特征具有多源信息。且上述特征可采用积分图技术进行快速计算,所以行人检测系统的鲁棒性和实时性得到加强。在目标识别领域直方图交叉核支持向量机(HIKSVM)具有分类快,且准确率高的优点,采用其进行分类,系统实时性更进一步提升。实验表明本文方法检测速度和检测率优于经典的HOG+SVM算法。
- 孙锐侯能干陈军
- 关键词：行人检测
- 一种基于子空间学习的实时目标跟踪算法被引量：7
- 2015年
- 针对当前目标跟踪算法鲁棒性低且运算慢的问题,本文提出了一种基于子空间学习的实时目标跟踪算法。该方法在粒子滤波跟踪框架下,采用增量式PCA子空间学习方法学习一个正交子空间,利用学习到的正交子空间对目标外观进行线性表示;针对目标在遮挡、运动模糊等复杂干扰状态下容易产生跟踪漂移的问题,本文建立了一个将遮挡等复杂因素考虑在内的观测模型和模板更新方案,解决了基于最小均方误差准则的传统观测模型在复杂场景下的跟踪漂移问题。实验结果表明,本文的跟踪方法能够达到很高的跟踪精度,同时也达到了接近实时的跟踪速度。
- 孙锐黄静茹丁文秀
- 关键词：视觉跟踪粒子滤波
- 基于虚拟融合的夜视图像增强与眩光抑制方法被引量：6
- 2014年
- 夜视系统已经成为驾驶辅助系统的重要组成部分,但夜间采集的图像在大面积低照度和对面来车强光干扰下表现出明显的光照不均匀性。提出了一种基于多尺度tophat变换和虚拟融合的图像增强和眩光抑制方法,首先采用多尺度tophat估计光照曲面,获得目标图像;进而将目标图像叠加不同的虚拟光照获得多幅光照补偿的多幅图像,根据对比度和曝光品质的指标进行多分辨率融合。实验表明该方法实现了眩光抑制和暗区增强,有效解决了夜视图像光照不均匀性问题,使得处理后图像最远可以辨识200 m处的目标。
- 孙锐陈效华陈军
- 关键词：图像增强
- 一种基于核K-SVD和稀疏表示的车辆识别方法被引量：6
- 2014年
- 车辆分类与识别是智能交通的重要研究内容.针对车辆识别中的两类监督分类问题,提出一种基于核KSVD字典训练结合稀疏表示的分类方法.该方法首先利用PCA对训练图像(车辆类、非车辆类)进行特征提取及降维,然后对所得矩阵利用核函数映射到高维空间,应用K-SVD方法训练高维特征矩阵,分别得到相应的两类特征字典.最后在对测试图像进行分类时,利用基于l1最小化稀疏系数训练图像线性表示测试图像.文中给出该方法与其他几种经典方法的实验比较,重点是遮挡情况下的分类效果.实验结果表明,该方法识别率有明显改善,能够有效消除部分遮挡对车辆识别的影响.
- 孙锐王晶晶
- 关键词：核方法车辆识别
- 视频序列中的行为识别研究进展被引量：20
- 2014年
- 视频序列中的行为识别是计算机视觉领域非常活跃的研究方向,在视频监控、人机交互、医疗看护、视频检索等领域有着广阔的应用前景。综合分析了行为识别的研究进展,首先分析了目前主流的行为识别数据库的不同特点;然后总结了行为的特征表示方法以及识别方法的最新进展,由于实际应用要求算法具有快速、自动和实时性,且人工标定大量视频存在困难,无监督的学习方法受到越来越多的关注;在此基础上,讨论了行为识别面临的挑战,以及今后的研究发展方向。
- 徐勤军吴镇扬
- 关键词：计算机视觉模式识别
