您的位置: 专家智库 > >

长沙市科技计划项目(K1203015-11)

作品数:11 被引量:81H指数:5
相关作者:周书仁李峰殷苌茗殷建平黄玉更多>>
相关机构:长沙理工大学国防科学技术大学中国人民解放军94865部队更多>>
发文基金:长沙市科技计划项目湖南省自然科学基金湖南省教育厅科研基金更多>>
相关领域:自动化与计算机技术更多>>

文献类型

  • 11篇中文期刊文章

领域

  • 11篇自动化与计算...

主题

  • 4篇行人
  • 4篇行人检测
  • 3篇图像
  • 2篇直方图
  • 2篇色空间
  • 2篇纹理
  • 2篇小波
  • 2篇小波变换
  • 2篇离散小波变换
  • 2篇滤波
  • 2篇目标跟踪
  • 2篇均值漂移
  • 2篇二维离散小波...
  • 2篇HAAR
  • 2篇LBP
  • 2篇波变换
  • 1篇行人检测方法
  • 1篇元模式
  • 1篇遮挡
  • 1篇深度图

机构

  • 11篇长沙理工大学
  • 1篇国防科学技术...
  • 1篇中国人民解放...

作者

  • 11篇周书仁
  • 5篇李峰
  • 3篇殷苌茗
  • 1篇蔡碧野
  • 1篇殷建平
  • 1篇汤贝
  • 1篇文韬
  • 1篇谭晓波
  • 1篇黄玉

传媒

  • 3篇计算机工程与...
  • 2篇计算机工程
  • 1篇计算机应用与...
  • 1篇小型微型计算...
  • 1篇软件学报
  • 1篇计算机工程与...
  • 1篇计算机工程与...
  • 1篇计算技术与自...

年份

  • 2篇2016
  • 1篇2015
  • 6篇2014
  • 2篇2013
11 条 记 录,以下是 1-10
排序方式:
改进型WLD与LBP特征融合的行人检测被引量:5
2014年
为提高行人检测的识别率,提出一种基于改进型韦伯局部描述子(WLD)和局部二元模式(LBP)的特征融合方法进行行人检测。对图像进行二维离散Haar小波变换得到4个不同频率的子图像,对其中1个低频部分提取WLD特征,对3个高频部分提取LBP特征,并将各个子图像的特征串接为1个向量,得到WLD-LBP特征。在INRIA Person数据集上利用SVM作为分类器进行测试,实验结果表明,与单独WLD特征、梯度方向直方图(HOG)特征、PHOG特征以及HOG-LBP特征融合方法相比,该方法的识别率最高,可达98.1%,并且对光照和噪声也有较好的鲁棒性。
谭飞刚殷苌茗周书仁
关键词:二维离散小波变换行人检测LBP特征
离散小波变换Haar-LL的行人检测研究被引量:3
2014年
提出一种基于二维离散Haar小波变换的局部二值模式(LBP)与局部梯度模式(LGP)的特征融合方法。对图像进行二维离散Haar小波变换,得到4个不同频率的子图像,对低频部分子图像提取LBP特征,对3个高频部分子图像提取LGP特征,将3个LGP特征并接融合后与LBP特征串接融合进行行人检测。在Matlab环境下利用支持向量机(SVM)对INRIA数据集进行5组实验,分别将该方法与梯度方向直方图(HOG)、金字塔梯度方向直方图(PHOG)、LBP、LGP进行检测率、检测时间、光照鲁棒性以及噪声鲁棒性对比。综合各项实验数据表明,该方法在光照鲁棒性以及噪声鲁棒性方面都能取得更好的效果。
邵逢仙李峰周书仁
关键词:二维离散小波变换行人检测
低维度特征的行人检测方法
2013年
针对梯度方向直方图(HOG)算法采用网格密集的大小统一的细胞单元提取行人特征,导致大量高维度的冗余特征问题,提出了低维度特征进行行人检测的算法,建立了以空间金字塔为核心的低维度特征目标模型。该模型通过角点检测算法获取目标轮廓信息,以角点为参考点取16*16像素区域内的梯度方向直方图作为行人特征,利用空间金字塔模型对图像进行分块,按块提取维数统一的特征向量并串联起来形成最终的特征向量。实验结果表明了该方法的准确性和有效性。
文韬李峰周书仁
关键词:行人检测角点检测梯度方向直方图
基于BPOF特征与深度图像的人体姿态估计研究
2016年
人体姿态估计是一个有着非常广泛应用前景的研究课题,并且在计算机视觉领域中,该课题已经成为了重要研究热点之一。针对人体姿态估计中的特征表达提出了一种基于二元纯位相匹配滤波器(BPOF)的特征提取算法,首先对图像中每一个像素点都从8个方向去计算扫描线段长度值,然后再将得到的8个值引入到BPOF算法中进行计算以便得到该像素点的特征值,同时针对随机森林分类器进行优化,最终对图像中的人体姿态做出估计。该改进方法在识别率以及鲁棒性方面有了很大提高,同时优化的随机森林分类器使得算法系统时间开销有所降低。
曹亚微周书仁
关键词:计算机视觉深度图像
基于Haar特性的LBP纹理特征被引量:49
2013年
图像纹理特征能够反映图像的灰度分布程度、对比度、空间分布和图像的内在变化特性,在确保较低计算复杂度的前提下,有效提取深层次的图像纹理信息是其研究的难点问题.针对这一问题,从相邻区域的统计特征分析入手,提出了一种Haar型特性局部二元模式(Haar local binary pattern,简称HLBP)的图像纹理特征提取方法.鉴于Haar型特征运算简单、快捷,统计局部特征有效、可靠,将其引入LBP中.该方法首先给出8组Haar型特征编码模式,按照局部二元模式(local binary pattern,简称LBP)统计图像局部纹理特征,因采用局部区域统计方法能够有效降低噪声的影响;其次,为了进一步提高图像纹理特征的有效呈现,结合Gabor小波滤波在不同方向、不同尺度对灰度水平图像进行特征提取,以增强纹理有效提取的性能,提高不变特征的稳健性;最后,通过4组对比实验验证了该方法的可行性.实验分别在标准的Brodatz正常分块纹理库测试集、分块且缩放Brodatz纹理库测试集、分块且旋转Brodatz纹理库测试集以及Yale B扩展的非均匀光照条件人脸库测试集上进行.实验结果表明,该方法能够有效地表达图像的纹理特征.
周书仁殷建平
关键词:图像纹理特征提取GABOR滤波直方图
基于颜色-纹理特征的目标跟踪被引量:9
2014年
针对传统的基于颜色特征目标跟踪算法在一些复杂场景中存在的跟踪不稳定性,提出一种基于颜色-纹理特征的目标跟踪算法;在传统的基于颜色Mean-shift的目标跟踪算法中加入纹理特征,在提取目标颜色特征的同时提取目标的纹理特征,并且采取串接原则,在搜索目标新位置时仍然沿用传统的基于颜色的均值漂移跟踪算法,但在每一次迭代过程搜寻目标最佳的位置点即特征相似最大的区域时,利用纹理特征来实现,并且采用八邻域搜索法(候选区域周围扩大八个大小相等的区域)来解决部分遮挡的问题。通过对比实验表明,该算法在复杂场景中表现出的实时性和鲁棒性较好。
姚原青李峰周书仁
关键词:目标跟踪均值漂移纹理特征
使用特征融合的多级别MS-PF目标跟踪算法
2014年
提出一种改进的结合均值漂移与粒子滤波(MS-PF)的跟踪算法,通过分级策略将目标跟踪分为直接跟踪、微调和搜索三个级别,实现了均值漂移和粒子滤波的动态结合.针对传统跟踪算法特征单一的缺陷,在目标跟踪过程中自适应的融合了颜色和纹理特征,同时引入粒子群优化算法对粒子滤波进行优化.实验结果表明,采用分级的MS-PF算法能对粒子的产生和数量进行严格控制,提高了算法的实时性和通用性,在复杂环境中,尤其是在光照发生变化时,基于特征融合的思想使得算法更具鲁棒性.
汤贝蔡碧野周书仁
关键词:均值漂移粒子滤波目标跟踪
基于YCbCr的自适应混合高斯模型背景建模被引量:7
2015年
混合高斯模型是最常用的背景建模方法之一,但是它的精确度是以耗时为代价的,且它在RGB颜色空间进行背景建模时,对噪声的处理效果一般。因此,对混合高斯模型进行改进,提出了一种基于YCbCr的自适应混合高斯模型背景建模方法。首先,将建模颜色空间从RGB转换到YCbCr;然后,采用自适应选择策略来确定混合高斯模型的高斯成分个数;最后,将高斯成分按照关键字的值进行排序,以确定背景模型。将提出的建模方法应用于运动目标检测,实验结果表明,提出的方法与混合高斯模型背景建模相比,运动目标检测的检测结果更准确,耗时更少。
黄玉殷苌茗周书仁
关键词:混合高斯模型YCBCR颜色空间
融合HSV空间与形态学的救生衣图像分割被引量:5
2016年
针对轮船渡口拍摄图像背景复杂、噪声大、模糊的特点,提出一种融合HSV颜色空间信息和数学形态学处理的图像分割方法,并进行背景差分提取前景,消除错误的背景分割。首先提取目标物体的HSV颜色特征值,然后利用得到的特征值标记ROI区域,对该含有标记信息的二值图像进行数学形态学处理得到连通区域图,通过连通区域外轮廓找出最外矩形边界,最后利用背景差分消除背景干扰。将该方法应用于轮渡安全中救生衣的检测,实验结果表明,能快速有效地实现救生衣图像分割,并对分割区域进行计数。
谭晓波殷苌茗周书仁
关键词:HSV颜色空间数学形态学背景差分图像分割
一种基于PSO的改进光流算法被引量:1
2014年
针对变分光流法无法有效检测由间断、遮挡等因素造成的错误光流分量的缺陷,提出一种基于PSO(Particle Swarm Optimization)的光流算法。该方法在Classic+NL算法模型的基础上计算出光流后,引入前向光流和后向光流的运动一致性理论来判断遮挡区域,并通过基于PSO的修补法来实现对遮挡区域错误光流的有效修补,同时,利用邻域光流修补法实现了再次修补。实验结果表明,该方法能有效克服由间断、遮挡等因素造成的错误光流分量的缺陷,更准确地刻画出光流,提高光流的计算精度。
刘建李峰周书仁黄龙
关键词:光流遮挡PSO
共2页<12>
聚类工具0