基于HOG特征优化的夜间行人快速识别方案-论文.pdf

《基于HOG特征优化的夜间行人快速识别方案-论文.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第41卷第7期计算机工程2015年7月Vo1．41No．7ComputerEngineeringJuly2015·图形图像处理·文章编号：1000-3428(2015)07·0250-06文献标识码：A中图分类号：TP391基于HOG特征优化的夜间行人快速识别方案汤琳，李敏，柳波(1．中国科学院成都计算机应用研究所，成都610041；2．绵阳师范学院数学与计算机科学学院，四川绵阳621000)摘要：针对夜间行人检测成像尺度不一所引起的类内方差较大、实时性不足等问题，在统计学习的应用原理下，设计基于熵加权和快速分类支持向量机(FCSVM)优化的头部校验夜间行人快速识别方案。

2、应用熵加权原理改进梯度直方图特征，引入三分支结构的支持向量机识别目标，同时利用FCSVM降低运算开销，确保实时性，通过头部校验方法分析评估误检目标，提高图像匹配的准确度。实验结果表明，该方案在夜间环境下能有效区分远红外行人目标，在充分确保行人检测实时性的基础上，在市区、郊区等不同应用环境中均具有较好的识别效果。关键词：夜间行人检测；统计学习；熵加权；快速分类支持向量机；头部校验中文引用格式：汤琳，李敏，柳波．基于HOG特征优化的夜间行人快速识别方案[J]．计算机工程，201541(7)：250—255，260．英文引用格式：TangLin，LiMin，LiuBo．Fast

3、IdentificationSchemeforNighttimePedestrianBasedonHOGFeatureOptimization[J]．ComputerEngineering，2015，41(7)：250—255，260．FastIdentificationSchemeforNighttimePedestrianBasedonHoGFeatureOptimizationTANGLin一，LIMin，LIUBo(1．ChengduInstituteofComputerApplication，ChineseAcademyofSciences，Chengdu610

4、041，China；2．SchoolofMathandComputerScience，MianyangNormalUniversity，Mianyang621000，China)【Abstract】Forthelargerintra—classvarianceandinadequatereal—timeproblemscausedbyfactorsofimagingscalesdifferenceinnighttimepedestriandetection，thispaperdesignsarapiddentifyprogramfornighttimepedestrian

5、sbasedonentropyweightandheadercalibrationofFastClassificationSupportVectorMachine(FCSVM)optimizationundertheapplicationofstatisticallearningprinciples．Theprogramutilizesentropyweighttoimprovethefeatureofgradienthistogram，introducesthreebranchstructureSVMtoidentifythetargetfurther，andusesr

6、apidclassificationFCSVMtoreducetheoverheadrequiredcomputationandtoensurereal—time．Throughtheheadercalibrationmethodtoanalyzeandassesserrordetectiongoals，itfurtherimprovestheaccuracyofimagematching．Experimentalresultsshowthattheschemecandistinguishfarinfraredpedestriangoalsefectivelyatnigh

7、tenvironment，andhavegoodrecognitioneffectinurban，suburbanandotherdiferentapplicationenvironmentsonthebasisofensuringpedestrianreal—timefully．【Keywords】nighttimepedestriandetection；statisticallearning；entropyweight；FastClassificationSupportVectorMachine(FCSVM)；header