李旭冬
- 作品数：14 被引量：178H指数：4
- 供职机构：电子科技大学更多>>
- 发文基金：国家自然科学基金河南省科技攻关计划中国航空科学基金更多>>
- 相关领域：自动化与计算机技术更多>>
- 基于随机森林的精确目标检测方法被引量：10
- 2016年
- 针对复杂场景中目标检测精确度过低的问题,基于随机森林算法提出一种能适应由姿态、视角和形状引起外观变化的目标检测方法,同时还能有效预测最佳检测框大小,使其与真实目标区域有很高的重叠度。首先,提出一种基于图像块多维特征的树节点分裂函数;然后利用Boosting算法逐层生成树,使得每次分裂中错分样本更受关注;最后,扩展了随机森林输入输出空间,使其在分类同时还可预测目标检测框的最优长宽比。实验结果表明,该方法在不增加时间开销的同时提高了检测的精确度,对森林中树生成算法的改进提升了分类性能,对森林输出空间的扩展使得目标检测框与真实目标区域有更高的重叠率。
- 向涛李涛李涛赵雪专
- 关键词：决策树目标检测长宽比BOOSTING算法
- 基于卷积神经网络的目标检测若干问题研究
- 目标检测是计算机视觉、机器学习、人工智能等领域的研究热点，在诸如智能视频监控、机器人环境感知、大规模图像检索等方面都有广泛的应用。当前，基于卷积神经网络的目标检测方法是一种主要的目标检测方法，使用学习的特征替代手工制作的...
- 李旭冬
- 关键词：目标检测卷积神经网络
- 文献传递
- 一种特定姿态实时检测方法
- 本发明的特定姿态实时检测方法，主要包括步骤a、建立前景检测模型，获取特定姿态的运动区域；b、以视频帧为单位，逐一获得匹配区域（较大的运动区域）并进行光流分析，并判断所述匹配区域是否符合运动趋势条件，对于匹配区域符合运动趋...
- 叶茂陈宏毅李涛李旭冬付敏
- 文献传递
- 一种特定姿态实时检测方法
- 本发明的特定姿态实时检测方法，主要包括步骤a、建立前景检测模型，获取特定姿态的运动区域；b、以视频帧为单位，逐一获得匹配区域（较大的运动区域）并进行光流分析，并判断所述匹配区域是否符合运动趋势条件，对于匹配区域符合运动趋...
- 叶茂陈宏毅李涛李旭冬付敏
- 文献传递
- 一种基于卷积神经网络自适应的车辆检测方法
- 本发明公开了一种基于卷积神经网络自适应的车辆检测方法，包括以下步骤：S1、离线训练：收集车辆样本和非车辆样本，组成源样本，对源样本进行预处理并训练源CNN车辆检测器；S2、离线自适应调整：自适应地调整步骤S1得到的源CN...
- 李旭冬叶茂王梦伟苟群森李涛张里静
- 文献传递
- 基于独立子空间网络的行为识别方法
- 本发明公开了一种基于独立子空间网络的行为识别方法；其具体包括以下步骤：预处理并学习空间特征、提取时空特征、将视频表征为直方图向量、训练SVM分类器和行为识别。本发明的基于独立子空间网络的行为识别方法通过从视频数据中提取空...
- 叶茂裴利沈赵雪专李涛包姣窦育民李旭冬向涛
- 文献传递
- 一种基于级联多级卷积神经网络的人群密度估计方法
- 本发明公开了一种基于级联多级卷积神经网络的人群密度估计方法，1)采用多级卷积神经网络，提取由低层到高层的特征，并且将低层和高层特征组合在一起形成多阶段的特征，从而增强了人群密度特征的可分性；2)根据多级卷积神经网络降采样...
- 李涛叶茂李旭冬付敏唐宋向涛黄仁杰
- 文献传递
- 基于独立子空间网络的行为识别方法
- 本发明公开了一种基于独立子空间网络的行为识别方法；其具体包括以下步骤：预处理并学习空间特征、提取时空特征、将视频表征为直方图向量、训练SVM分类器和行为识别。本发明的基于独立子空间网络的行为识别方法通过从视频数据中提取空...
- 叶茂裴利沈赵雪专李涛包姣窦育民李旭冬向涛
- 文献传递
- 基于随机森林的层次行人检测算法被引量：11
- 2015年
- 针对视频和图像中快速、准确的行人检测问题,提出了一种分层次的、全局信息和局部信息相结合的行人检测算法。该方法以随机森林分类器为基础,利用图像金字塔模型融合行人的多层信息。首先,在低尺度空间利用主方向模板(DOT)特征和随机森林算法训练行人的全局分类器,第一层检测在低尺度空间中进行,找到行人的候选区域;然后,在高尺度空间提取图像块集合,基于部件随机森林训练行人的局部外观和几何约束模型;最后,基于上层的候选区域,在高尺度空间利用霍夫投票进行第二层精确检测。实验结果表明,该方法有更低的时间复杂度,并提升了行人检测的准确率,全局信息和局部信息的层次融合,能有效解决快速、准确的行人检测问题。
- 向涛李涛李涛李旭冬
- 关键词：行人检测图像金字塔
- 基于卷积神经网络的目标检测研究综述被引量：147
- 2017年
- 随着训练数据的增加以及机器性能的提高,基于卷积神经网络的目标检测冲破了传统目标检测的瓶颈,成为当前目标检测的主流算法。因此,研究如何有效地利用卷积神经网络进行目标检测具有重要价值。首先回顾了卷积神经网络如何解决传统目标检测中存在的问题;介绍了卷积神经网络的基本结构,描述了当前卷积神经网络的研究进展及常用的卷积神经网络;重点分析和讨论了两种应用卷积神经网络进行目标检测的思路和方法,指出了目前存在的不足。最后总结了基于卷积神经网络的目标检测以及未来的发展方向。
- 李旭冬叶茂李涛
- 关键词：卷积神经网络目标检测
