针对传统俯视行人检测方法提取的头部特征单一、检测错误率高的问题,提出了结合改进聚合通道特征(ACF)和灰度共生矩阵(GLCM)的俯视行人检测算法。首先,将提取到的HSV颜色特征、梯度幅值大小以及改进后的梯度方向直方图( HOG)特征组合成ACF描述子;然后,采用窗口法计算改进的GLCM参数描述子,提取纹理特征,串联每个窗口的特征向量得到共生矩阵特征描述子;最后,将聚合通道和共生矩阵特征分别输入Adaboost训练得到分类器,并进行检测得到最终结果。实验结果表明,所提算法能在干扰背景存在的情况下有效检测目标,提高了检测的准确率和召回率。
目前,智能监控场景下的俯视行人检测技术被广泛应用于人流量统计以及行人智能分析中,以实现对人流量密集场所的有效监管。基于俯视的行人检测近些年取得了突飞猛进的发展;然而行人的发型、发色以及复杂的周围背景加大了检测的难度,导致检测效果仍不理想,需进一步改进。因此,俯视行人检测技术具有极大的研究空间和重要的现实意义。本文重点研究在复杂背景下,基于俯视视角的行人检测。
声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表电子发烧友网立场。文章及其配图仅供工程师学习之用,如有内容侵权或者其他违规问题,请联系本站处理。 举报投诉
全部0条评论
快来发表一下你的评论吧 !