• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    基于Hough森林的多特征快速行人檢測(cè)

    2016-07-19 02:07:22谷靈康周鳴爭(zhēng)
    關(guān)鍵詞:直方圖行人邊緣

    谷靈康 周鳴爭(zhēng)

    (安徽工程大學(xué)計(jì)算機(jī)與信息學(xué)院計(jì)算機(jī)應(yīng)用技術(shù)重點(diǎn)實(shí)驗(yàn)室 安徽 蕪湖 241000)

    ?

    基于Hough森林的多特征快速行人檢測(cè)

    谷靈康周鳴爭(zhēng)

    (安徽工程大學(xué)計(jì)算機(jī)與信息學(xué)院計(jì)算機(jī)應(yīng)用技術(shù)重點(diǎn)實(shí)驗(yàn)室安徽 蕪湖 241000)

    摘要為了快速檢測(cè)行人,根據(jù)人體頭頂特性快速找出頭頂候選點(diǎn),依此為基點(diǎn)利用邊緣檢測(cè)算法提取目標(biāo)輪廓,將其作為待測(cè)區(qū)域;然后利用改進(jìn)的顏色自相似特征、結(jié)合區(qū)域邊緣直方圖和一致模式特征,在Hough森林分類器上進(jìn)行分類檢測(cè)。實(shí)驗(yàn)結(jié)果表明,該算法在檢測(cè)正確率及速率方面都得到了提高,對(duì)于復(fù)雜動(dòng)態(tài)場(chǎng)景、遮擋現(xiàn)象以及目標(biāo)自身形變具有較強(qiáng)的魯棒性和較高的準(zhǔn)確性,在多種行人數(shù)據(jù)集中測(cè)試取得良好的效果。

    關(guān)鍵詞行人檢測(cè)像素點(diǎn)梯度方向局部顏色自相似特征區(qū)域邊緣直方圖局部二值模式Hough森林

    0引言

    行人檢測(cè)是智能視頻監(jiān)控、機(jī)器視覺(jué)、車輛輔助駕駛等應(yīng)用的第一步,吸引了大批研究者,取得了一定的研究成果[1]。但是由于行人的特殊性,場(chǎng)景的復(fù)雜多樣性,若想取得又快又準(zhǔn)的檢測(cè)識(shí)別效果,還需要進(jìn)一步的努力。如果想快速檢測(cè)行人,通常情況下是選用單一特征,這也是早期行人檢測(cè)所采用的方法,但是檢測(cè)效果不理想,不能有效檢測(cè)行人。為了準(zhǔn)確檢測(cè)行人,近年來(lái)很多研究者提出多特征融合的方法,這樣固然能提高檢測(cè)的準(zhǔn)確性,但是需要花費(fèi)大量的時(shí)間,不能滿足行人檢測(cè)對(duì)實(shí)時(shí)性的要求。針對(duì)這些問(wèn)題,本文根據(jù)人體特性提出一種快速且有效的行人檢測(cè)方法。

    1算法思路

    因行人全身包含的信息很多,所以目前的行人檢測(cè)方法大多是根據(jù)行人全身的特征來(lái)判斷的,但對(duì)于復(fù)雜場(chǎng)景,特別是有身體遮擋的情況下,要想獲得行人全身信息是不太可能的,但這種情況下,通常還能獲取行人的頭頂信息,本文依此頭頂點(diǎn)為基點(diǎn),利用邊緣檢測(cè)算子獲取邊緣輪廓,將其作為候選目標(biāo),然后利用改進(jìn)的邊緣方向直方圖方法提取區(qū)域邊緣直方圖特征。

    另外對(duì)于行人,身體顏色具有一定的自相似性,衣服顏色以及膚色的相似度很高,且頭發(fā)的顏色和臉部的膚色不依賴于面部的細(xì)節(jié)特征,在表情變化、頭部偏轉(zhuǎn)等情況下仍能適用,具有相對(duì)的穩(wěn)定性。而且人體顏色有別于大多數(shù)背景物體的顏色,因此為了提高檢測(cè)率對(duì)候選目標(biāo)利用改進(jìn)的顏色自相似算法進(jìn)行特征提取。

    為了提高檢測(cè)準(zhǔn)確性,僅提取顏色自相似特征還不夠,考慮到紋理是反映目標(biāo)表面色度和亮度變化模式的視覺(jué)特征,因此需要選擇一種高效的紋理特征提取算法。

    為了能夠提高檢測(cè)正確率而提取多種特征,但這樣就增加了維度,從而影響檢測(cè)速度。這就要求選擇學(xué)習(xí)速度快、分類能力強(qiáng)的分類器。隨機(jī)森林是一個(gè)包含多個(gè)決策樹(shù)的分類器、優(yōu)點(diǎn)是學(xué)習(xí)速度很快,缺點(diǎn)是存在過(guò)擬合[2]。基于Hough森林的目標(biāo)檢測(cè)是近期提出的一種新方法,重點(diǎn)考察圖像塊與目標(biāo)中心的位置關(guān)系,在葉節(jié)點(diǎn)處增加計(jì)算,輸出成為在連續(xù)區(qū)域上的投票。Hough森林是在隨機(jī)森林框架上的一個(gè)擴(kuò)展,繼承了隨機(jī)森林的優(yōu)點(diǎn)并改進(jìn)了其缺點(diǎn)[3]。根據(jù)以上思路,本文算法流程如圖1所示。

    圖1 本文算法流程圖

    2快速頭頂點(diǎn)確定方法

    由于人的頭頂是橢圓形,且經(jīng)過(guò)計(jì)算發(fā)現(xiàn)頭頂像素點(diǎn)的梯度方向值基本在90°左右[4]。本文利用頭頂像素點(diǎn)的梯度方向具有固定范圍這一特性在前景中找出頭頂候選點(diǎn),根據(jù)該點(diǎn)快速確定人體輪廓域。

    算法中像素點(diǎn)(x,y)的灰度值用H代替,G代表梯度幅值,α為梯度方向。采用一維中心算子[-1,0,1],可得到水平和垂直方向的梯度幅值分別為:

    Gx(x,y)=H(x+1,y)-H(x-1,y)Gy(x,y)=H(x,y+1)-H(x,y-1)

    (1)

    則(x,y)像素點(diǎn)的梯度方向?yàn)椋?/p>

    (2)

    通過(guò)計(jì)算及實(shí)驗(yàn)測(cè)試,人體頭頂像素點(diǎn)梯度的切線方向在 90°左右,發(fā)型的不同對(duì)頭頂?shù)男螤钭兓瘯?huì)有一定的影響,但是不大。

    根據(jù)上述計(jì)算方法選取前景中梯度方向在規(guī)定范圍內(nèi)的像素點(diǎn)作為頭頂候選點(diǎn),然后依此點(diǎn)為基點(diǎn),利用Prewitt檢測(cè)算子提取邊緣輪廓,且能去掉部分偽邊緣,對(duì)噪聲具有平滑作用。

    3改進(jìn)的EOH特征提取方法

    邊緣方向直方圖(EOH)能較好體現(xiàn)圖像的邊緣和紋理特征,通過(guò)統(tǒng)計(jì)圖像邊緣像素的方向分布來(lái)描述圖像特征,其計(jì)算方法為:1) 對(duì)圖像進(jìn)行邊緣算子運(yùn)算;2) 計(jì)算各邊緣像素的梯度幅值和梯度方向,并判斷梯度方向所隸屬的直方圖子區(qū)間;3) 統(tǒng)計(jì)隸屬于直方圖各子區(qū)間的所有邊緣像素的梯度幅值和;4) 對(duì)所得的直方圖各子區(qū)間取值進(jìn)行歸一化得到最終的邊緣方向直方圖[5]。

    由于傳統(tǒng)直方圖僅統(tǒng)計(jì)圖像像素取值的頻率分布,所以當(dāng)兩幅圖像像素的頻率相同時(shí),其無(wú)法進(jìn)行區(qū)分。此時(shí),雖然兩幅圖像像素取值的頻率分布相同,但直方圖各子區(qū)間對(duì)應(yīng)區(qū)域的邊緣分布是有差別的?;诖?,如果用各子區(qū)間的邊緣復(fù)雜度來(lái)度量各區(qū)間構(gòu)成的區(qū)域的分散程度,即可以得到一組度量灰度直方圖各子區(qū)間內(nèi)像素空間分布的數(shù)據(jù)。利用該組數(shù)據(jù)對(duì)直方圖的各子區(qū)間進(jìn)行加權(quán),便可得到一組新的直方圖,由邊緣復(fù)雜度得到的權(quán)值數(shù)據(jù)稱為該直方圖的空間權(quán)因子。如圖2所示。

    圖2 原圖及2種算法檢測(cè)結(jié)果對(duì)比圖

    設(shè)灰度直方圖第k個(gè)子區(qū)間內(nèi)所有像素構(gòu)成的區(qū)域的邊緣復(fù)雜度為φk。將歸一化后的數(shù)據(jù)記為(Ф1,…,Фk,…,Фn),則其為一組體現(xiàn)像素空間分布復(fù)雜度的加權(quán)直方圖數(shù)據(jù).對(duì)于其第k個(gè)子區(qū)間的數(shù)值Фk。

    (3)

    式(3)表明,Фk的大小只與該區(qū)間對(duì)應(yīng)區(qū)域的邊緣像素的總數(shù)К(Ek)有關(guān),也即計(jì)算時(shí)只需要統(tǒng)計(jì)直方圖各子區(qū)間對(duì)應(yīng)區(qū)域的邊緣像素的個(gè)數(shù),因此該方法是一種基于區(qū)域邊緣統(tǒng)計(jì)的圖像特征描述方法。

    區(qū)域邊緣像素的引入反映了圖像的結(jié)構(gòu)信息,檢測(cè)結(jié)果與EOH相比如下圖所示,從另一個(gè)角度解釋了區(qū)域邊緣直方圖具有更強(qiáng)的圖像特征區(qū)分度的原因,能夠?qū)D像進(jìn)行有效的區(qū)分。

    4改進(jìn)的顏色自相似特征及紋理特征提取

    人的身體顏色具有一定的自相似性,如:人體衣服顏色以及兩臂顏色的相似度很高?;诖耍琖alk等[6]提出一種顏色相似度特征CSSF(ColorSelf-SimilarityFeature) ,用于行人檢測(cè),有效提高了檢測(cè)精度,但其計(jì)算的是全局圖像中每?jī)蓚€(gè)塊之間的相似性,計(jì)算量非常大,特征維數(shù)高,檢測(cè)速度較慢。文獻(xiàn)[7]對(duì)CSSF進(jìn)行了改良,但該特征維度達(dá)到千萬(wàn)級(jí),仍然較高,難以滿足實(shí)際應(yīng)用需要。本文結(jié)合輪廓特征,提出改進(jìn)的顏色自相似特征。

    4.1傳統(tǒng)的顏色自相似特征

    傳統(tǒng)的顏色相似度特征基于矩形特征,對(duì)于矩形塊R1,其內(nèi)部數(shù)值和為:

    (4)

    CSSF特征可由相鄰塊R1和R2數(shù)值和的比值得到:

    F(R1,R2)=sumR1/sumR2

    (5)

    式中,R1和R2大小相等且位置不同(設(shè)矩形塊寬為w,高為h),該方法可以衡量矩形塊之間的相似度。比值越接近1,兩矩形塊越相似。為此,對(duì)F特征進(jìn)行非線性轉(zhuǎn)換得到F′特征:

    (6)

    對(duì)于傳統(tǒng)CSSF特征當(dāng)兩矩形塊相距較遠(yuǎn)時(shí),其光照情況可能相差較大,導(dǎo)致特征對(duì)非均勻光照敏感;而如果把矩形塊之間的距離限定得太小,又會(huì)增加計(jì)算量,導(dǎo)致特征空間維度過(guò)高。近些年有很多學(xué)者試圖對(duì)CSSF進(jìn)行改良,如文獻(xiàn)[7-9],但特征維度仍然很高,勢(shì)必會(huì)影響檢測(cè)效率。基于此,本文對(duì)顏色相似特征進(jìn)一步改進(jìn)。

    4.2改進(jìn)的顏色自相似特征

    為了降低特征維度又不至于導(dǎo)致對(duì)非均勻光照敏感,本文對(duì)矩形塊的高寬比及塊之間的距離進(jìn)行約束。

    對(duì)于分別以點(diǎn)(x1,y1)和(x2,y2)為左上角坐標(biāo)的矩形塊R1和R2,當(dāng)其滿足式(7)時(shí),則計(jì)算這兩個(gè)塊之間的相似度。

    (7)

    其中δ為約束閾值,一般情況下取值為3。在實(shí)驗(yàn)過(guò)程中可以根據(jù)檢測(cè)效果調(diào)整閾值和w及h的值;另外在實(shí)驗(yàn)過(guò)程中還發(fā)現(xiàn)當(dāng)高寬比(即h/w)為0.68黃金比例時(shí),檢測(cè)效果最好(如圖3所示)。

    圖3 不同高寬比對(duì)應(yīng)的檢測(cè)率

    由于有了候選區(qū)域去除了背景信息且對(duì)矩形塊的高寬比及塊之間的距離進(jìn)行了約束,相比于文獻(xiàn)[7]、文獻(xiàn)[8]和文獻(xiàn)[9],去除了大量冗余信息,其特征空間進(jìn)一步降低。

    4.3改進(jìn)的旋轉(zhuǎn)不變性LBP紋理特征提取

    LBP特征[10]是由Ojala等在1994年提出的一種高效的局部紋理特征提取算法。LBP特征能夠較好地反映像素點(diǎn)局部鄰域的空間分布模式,且該特征具有計(jì)算速度快的優(yōu)點(diǎn)?;镜腖BP算子的計(jì)算公式為:

    (8)

    5Hough森林檢測(cè)算法

    5.1原理

    Hough森 林[13],由一系列決策樹(shù)h(x,θk) ,k=1,2,…組成,森林中的每棵樹(shù)都是由一系列的葉節(jié)點(diǎn)和非葉節(jié)點(diǎn)形成的,節(jié)點(diǎn)是由隨機(jī)抽選的局部圖像塊來(lái)創(chuàng)建的。

    Hough森林屬于機(jī)器學(xué)習(xí)中的監(jiān)督學(xué)習(xí),通過(guò)訓(xùn)練,學(xué)會(huì)如何將局部的圖像塊特征與它們?cè)贖ough空間H?RH內(nèi)的投票相映射:

    (9)

    表示圖像元素特征到概率Hough投票的映射模型:其中,τ為從輸入圖像空間y∈Ω?RD到特征(I1(y),I2(y),…,IF(y))∈RF的映射,每一個(gè)IF是一個(gè)特征向量子分量,F(xiàn)為總的特征維數(shù);p(h|L(y))是Hough空間內(nèi)Hough投票的分布。

    5.2收斂性研究

    假設(shè)訓(xùn)練集{(x,y)}是由隨機(jī)輸入向量x和輸出向量y分布所抽取出來(lái)的,那么對(duì)于給定的k個(gè)分類器的集合{h1(x),h2(x),…,hk(x)}可以定義間隔函數(shù)為式(1)。

    mg(x,y)=kavI(hk=y)-maxj≠ykavI(hk(x)=j)

    (10)

    用投票和概率平均(表達(dá)式如下)得到測(cè)試的預(yù)測(cè)類標(biāo)簽:

    (11)

    (12)

    式中I(·)是示性函數(shù),kav(·)為對(duì)k取平均值,ji為森林中的k棵決策樹(shù)的權(quán)重。類標(biāo)簽由投票來(lái)決定,得票存在于決策樹(shù)的給定閾值范圍??梢詫?dǎo)出泛化誤差:

    Ep=Px,y(my(x,y)<0)

    (13)

    當(dāng)森林中數(shù)目較大時(shí),由樹(shù)結(jié)構(gòu)和大數(shù)定律導(dǎo)出隨機(jī)向量趨向值如式(14):

    Px,y(Pθ(h(x,θ)=y)=y-maxj≠yPθ(h(x,θ)=j)<0)

    (14)

    隨機(jī)森林邊緣函數(shù):

    (15)

    決策樹(shù)的分類強(qiáng)度s為:

    s=Ex,ymr(x,y)

    (16)

    設(shè)s≥0,根據(jù)Chebyshev不等式由式(15)、式(16) 得到泛化誤差:

    (17)

    其中Var(mr)形式如式(18):

    (18)

    而:

    (19)

    由式(17)~式(19)知,任意函數(shù)h,求其均值與方差,并趨近于方差上限,都有:

    (20)

    其中ρ是相關(guān)系數(shù)平均值。推導(dǎo)式(17)可知:

    (21)

    6仿真實(shí)驗(yàn)及分析

    6.1實(shí)驗(yàn)數(shù)據(jù)集

    拍攝包含多種場(chǎng)所(教學(xué)樓、停車場(chǎng)、道路,等)、多種天氣(晴天、雨天、霧天)等復(fù)雜情況下的行人視頻構(gòu)成本文實(shí)驗(yàn)樣本之一,該視頻庫(kù)部分場(chǎng)景背景如圖4所示。取部分視頻制作成正樣本(如圖5所示),共建正樣本4600個(gè),其中2600個(gè)用來(lái)訓(xùn)練,2 000個(gè)用來(lái)驗(yàn)證,另外不含行人的背景圖稱為負(fù)樣本。

    圖4 部分場(chǎng)景背景圖

    圖5 部分正樣本

    為了驗(yàn)證本文所述算法檢測(cè)效果的通用性,在目前常用的行人數(shù)據(jù)集[14]中,引入2個(gè)國(guó)際上常用的數(shù)據(jù)集:INRIA行人數(shù)據(jù)集和NICTA行人數(shù)據(jù)集[15]。其中INRIA行人數(shù)據(jù)集是目前使用較多的靜態(tài)行人數(shù)據(jù)集,包含訓(xùn)練和測(cè)試兩類,且每類均包含正樣本和負(fù)樣本。訓(xùn)練集含有正樣本614張(包含2416個(gè)行人),負(fù)樣本1218張;測(cè)試集含有正樣本288張(包含1126個(gè)行人),負(fù)樣本453張。NICTA行人數(shù)據(jù)集是目前規(guī)模較大的靜態(tài)行人數(shù)據(jù)集,且已劃分好訓(xùn)練集和測(cè)試集。

    6.2實(shí)驗(yàn)與結(jié)果分析

    本文算法程序在Pentium(R)CPU987雙核1.5GHz, 64位Windows7系統(tǒng),4GB內(nèi)存的計(jì)算機(jī)上運(yùn)行。

    對(duì)于行人樣本圖如圖6所示。按照本文算法流程(如圖1所示)進(jìn)行行人檢測(cè),如圖7所示為實(shí)驗(yàn)中部分行人檢測(cè)示意圖。

    圖6 部分行人樣本圖  圖7 部分行人檢測(cè)結(jié)果示意圖

    由于目前分類算法主要還是基于SVM和AdaBoost的,基于隨機(jī)森林和Hough森林的檢測(cè)是近期提出的新方法,故為了驗(yàn)證本文算法將其與文獻(xiàn)[2]、文獻(xiàn)[7]、文獻(xiàn)[16]和文獻(xiàn)[17]、文獻(xiàn)[18]所述方法分別在自建數(shù)據(jù)集、INRIA、NICTA數(shù)據(jù)集上實(shí)驗(yàn)后比較,實(shí)驗(yàn)檢測(cè)率如圖8所示。

    圖8 不同算法在多種數(shù)據(jù)集中的檢測(cè)率

    由圖8可知,不同算法在各類行人數(shù)據(jù)集中的檢測(cè)效果相差較小。通過(guò)實(shí)驗(yàn)可知本文所提算法平均檢測(cè)正確率(在三類數(shù)據(jù)集中正確檢測(cè)出的人體占整個(gè)視頻中人體的識(shí)別率)為99.07%;文獻(xiàn)[2]所述算法HOG+LBP+LAB+Houghforest平均檢測(cè)率為96.72%;文獻(xiàn)[7]所述算法CSSF+AdaBoost平均檢測(cè)率為98.16%;文獻(xiàn)[16]所述算法HOG+Harr+SVM平均檢測(cè)正確率為98.0%;文獻(xiàn)[17]所述算法HOG+IKSVM平均檢測(cè)正確率為97.65%;文獻(xiàn)[18]所述算法Randomforest+SVM平均檢測(cè)率為96.17%。在這幾類算法中,本文所述算法的檢測(cè)率較高,綜合這幾種算法在不同數(shù)據(jù)集的檢測(cè)率,進(jìn)一步分析它們的誤檢率與漏檢率,實(shí)驗(yàn)結(jié)果如圖9所示。

    圖9 不同算法誤檢率和漏檢率比較

    在檢測(cè)速率(對(duì)人體識(shí)別的平均速率)上,各算法也有較明顯的差別,如表1所示。文獻(xiàn)[2]所述算法HOG+LBP+LAB+Houghforest平均檢測(cè)速率較慢;文獻(xiàn)[16]所述算法HOG+Harr+SVM平均檢測(cè)正確率較高,誤檢率也較低,但是檢測(cè)的速率相對(duì)較慢;文獻(xiàn)[17]所述算法HOG+IKSVM平均檢測(cè)正確率相對(duì)較低,但是速率較快;文獻(xiàn)[7]所述算法CSSF+AdaBoost,由于特征空間仍為千萬(wàn)級(jí),所以檢測(cè)速率上也較慢;文獻(xiàn)[18]所述算法Randomforest+SVM檢測(cè)速率較快;而本文所述算法,花費(fèi)時(shí)間相對(duì)較少。

    表1 不同算法檢測(cè)速率比較

    7結(jié)語(yǔ)

    參考文獻(xiàn)

    [1]PedagadiS,OrwellJ,VelastinS,etal.Localfisherdiscriminantanalysisforpedestrianre-identification[C]//IEEEComputerSocietyConferenceonComputerVisionandPatternRecognition,Portland,USA,2013:3318-3325.

    [2] 尤瑋,戴聲奎.基于多特征與改進(jìn)霍夫森林的行人檢測(cè)方法[J].計(jì)算機(jī)工程與設(shè)計(jì),2014,35(10):3538-3544.

    [3]BarinovaO,LempitskyV,KholiP.Ondetectionofmultipleobjectinstancesusinghoughtransforms[J].IEEETransactionsonPatternAnalysisandMachineIntelligence,2012,34(9):1773-1784.

    [4] 欽爽,謝剛,饒欽,等.視頻中基于LW-PGD和SVM的頭肩部檢測(cè)[J].計(jì)算機(jī)應(yīng)用研究,2014,31(3):949-952.

    [5] 余旺盛,田孝華,侯志強(qiáng).基于區(qū)域邊緣統(tǒng)計(jì)的圖像特征描述新方法[J].計(jì)算機(jī)學(xué)報(bào),2014,37(6):1398-1410.

    [6]WalkS,MajerN,SchindlerK,etal.Newfeaturesandinsightsforpedestriandetection[C]//CVPR2010:Proceedingsofthe2010IEEEConferenceonComputerVisionandPatterRecognition.Piscataway:IEEE,2010:1030-1037.

    [7] 曾波波,王貴錦,林行剛.基于顏色自相似度特征的實(shí)時(shí)行人檢測(cè)[J].清華大學(xué)學(xué)報(bào),2012,52(4):571-574.

    [8] 饒欽,謝剛,欽爽.基于顏色自相似性和HOG特征的行人檢測(cè)[J].小型微型計(jì)算機(jī)系統(tǒng),2014,35(11):2582-2585.

    [9] 顧會(huì)建,陳俊周.基于改進(jìn)顏色自相似特征的行人檢測(cè)方法[J].計(jì)算機(jī)應(yīng)用,2014,34(7):2033-2035.

    [10]OjalaT,PietikinenM,HarwoodD.PerformanceevaluationoftexturemeasureswithclassificationbasedonKullbackdiscriminationofdistributions[C]//Proceedingsofthe12thIAPRInternationalConferenceonPatternRecognition.Israel:IEEE,1994:582-585.

    [11]SalbergAB,HardebergJY,JenssenR.Rotationinvariantimagedescriptionwithlocalbinarypatternhistogramfourierfeatures[C]//ISCIA2009Proceedings.Heidelberg:Springer,2009:61-70.

    [12] 陳東岳,陳宗文,桑永嘉.基于多特征在線模板更新的魯棒目標(biāo)跟蹤算法[J].哈爾濱工業(yè)大學(xué)學(xué)報(bào),2014,46(7):87-94.

    [13] 嚴(yán)明君,項(xiàng)俊,羅艷,等.基于SURF與Hough森林的人臉檢測(cè)研究[J].計(jì)算機(jī)科學(xué),2014,41(7):301-305.

    [14] 張春鳳,宋加濤,王萬(wàn)良.行人檢測(cè)技術(shù)研究綜述[J].電視技術(shù),2014,38(3):157-162.

    [15]OverettG,PeterssonL,BrewerL,etal.Anewpedestriandatasetforsupervisedlearning[C]//Proc.2008IEEEIntelligentVehiclesSymposium.Eindhoven,Holland:IEEEPress,2008:373-378.

    [16]HeFei,LiYali,WangShengjin,etal.ANovelHierarchicalFrameworkforHumanHead-ShoulderDetection[C]//ImageandSignalProcessing(CISP),Shanghai,China,Oct15-17,2011,3:1485-1489.

    [17]SubhransuMaji,AleanderCBerg,JitendraMalik.EfficientClassificationforAdditiveKernelSVMs[J].PatternAnalysisandMachineIntelligence,2013,35(1):66-77.

    [18] 習(xí)文星,湯心溢.基于隨機(jī)森林和支持向量機(jī)的快速行人檢測(cè)算法[J].計(jì)算機(jī)應(yīng)用,2014,34(S2):283-285.

    MULTI-FEATURE FAST PEDESTRIAN DETECTION ALGORITHMBASEDONHOUGHFOREST

    Gu LingkangZhou Mingzheng

    (Key Laboratory of Computer Application Technology,College of Computer and Information,Anhui Polytechnic University,Wuhu 241000,Anhui,China)

    AbstractIn order to quickly detect pedestrians, we first rapidly found out the candidates of the top of the head according to the characteristics of human head tops, and according to this base point we extracted the object contour by using edge detection algorithm and took it as the area to be tested. Secondly, by using the improved colour self-similarity character and combining the region edge histogram and uniform pattern characters, we conducted the classification and detection on Hough forest classifier. Experimental results showed that, the algorithm proposed in this paper gained the improvement in both the detection accuracy and speed, and had stronger robustness and higher accuracy against the cluttered dynamic background, occlusion and the deformation of the object itself. In many pedestrian datasets tests it achieved good results as well.

    KeywordsPedestrian detectionPixel gradient directionLocal colour self-similarity characterRegion edge histogramLocal binary patternsHough forest

    收稿日期:2015-01-14。國(guó)家自然科學(xué)基金項(xiàng)目(61300170);安徽省自然科學(xué)基金項(xiàng)目(1308085MF95);安徽省級(jí)自然科學(xué)研究項(xiàng)目(TSKJ2014B11)。谷靈康,講師,主研領(lǐng)域:行人檢測(cè),計(jì)算機(jī)視覺(jué)。周鳴爭(zhēng),教授。

    中圖分類號(hào)TP391.4

    文獻(xiàn)標(biāo)識(shí)碼A

    DOI:10.3969/j.issn.1000-386x.2016.06.036

    猜你喜歡
    直方圖行人邊緣
    統(tǒng)計(jì)頻率分布直方圖的備考全攻略
    符合差分隱私的流數(shù)據(jù)統(tǒng)計(jì)直方圖發(fā)布
    毒舌出沒(méi),行人避讓
    意林(2021年5期)2021-04-18 12:21:17
    路不為尋找者而設(shè)
    用直方圖控制畫面影調(diào)
    我是行人
    一張圖看懂邊緣計(jì)算
    基于直方圖平移和互補(bǔ)嵌入的可逆水印方案
    行人流綜述
    在邊緣尋找自我
    雕塑(1999年2期)1999-06-28 05:01:42
    欧美在线黄色| 一区二区av电影网| 久久久精品94久久精品| www日本在线高清视频| 12—13女人毛片做爰片一| 久久精品aⅴ一区二区三区四区| 久久中文字幕一级| 十分钟在线观看高清视频www| 中文字幕av电影在线播放| 亚洲三区欧美一区| 久久狼人影院| 国产精品 国内视频| 成年女人毛片免费观看观看9 | 亚洲一卡2卡3卡4卡5卡精品中文| 精品国产乱子伦一区二区三区| 亚洲精品成人av观看孕妇| 12—13女人毛片做爰片一| 欧美亚洲日本最大视频资源| av不卡在线播放| 不卡av一区二区三区| 我要看黄色一级片免费的| 在线十欧美十亚洲十日本专区| 在线十欧美十亚洲十日本专区| 久久久久网色| 亚洲一区中文字幕在线| 亚洲欧美精品综合一区二区三区| 国产日韩欧美视频二区| 日本黄色视频三级网站网址 | 女人被躁到高潮嗷嗷叫费观| www.自偷自拍.com| 一进一出好大好爽视频| 久久久国产精品麻豆| 两性夫妻黄色片| 欧美大码av| 亚洲欧美精品综合一区二区三区| a级片在线免费高清观看视频| av超薄肉色丝袜交足视频| 亚洲精品乱久久久久久| 久久久久网色| 他把我摸到了高潮在线观看 | 每晚都被弄得嗷嗷叫到高潮| 国产一区二区激情短视频| 免费观看a级毛片全部| 黑人欧美特级aaaaaa片| 老司机靠b影院| 高清视频免费观看一区二区| 久9热在线精品视频| 50天的宝宝边吃奶边哭怎么回事| 国产欧美日韩一区二区三区在线| 人人妻人人澡人人爽人人夜夜| 欧美日韩福利视频一区二区| 免费在线观看日本一区| 韩国精品一区二区三区| 91成年电影在线观看| 日本一区二区免费在线视频| 美国免费a级毛片| 99国产极品粉嫩在线观看| 人人妻人人澡人人爽人人夜夜| 99久久国产精品久久久| 啦啦啦中文免费视频观看日本| 在线观看www视频免费| 黄片小视频在线播放| 国产成人精品久久二区二区91| 中文字幕色久视频| 精品福利观看| 免费在线观看完整版高清| 黄片大片在线免费观看| 久久青草综合色| 免费在线观看影片大全网站| 人人妻人人澡人人爽人人夜夜| 精品一区二区三区四区五区乱码| www日本在线高清视频| 午夜福利欧美成人| 久久亚洲真实| 亚洲情色 制服丝袜| 建设人人有责人人尽责人人享有的| 久久中文看片网| a在线观看视频网站| 9色porny在线观看| 乱人伦中国视频| 免费高清在线观看日韩| 亚洲精品乱久久久久久| 在线观看免费视频日本深夜| 黄片小视频在线播放| 亚洲色图 男人天堂 中文字幕| 91老司机精品| 99久久人妻综合| 久久国产精品大桥未久av| 十分钟在线观看高清视频www| 免费在线观看视频国产中文字幕亚洲| 国产真人三级小视频在线观看| 欧美精品一区二区大全| 国产高清国产精品国产三级| 激情视频va一区二区三区| 深夜精品福利| 99久久国产精品久久久| 丰满少妇做爰视频| 亚洲精品久久成人aⅴ小说| 母亲3免费完整高清在线观看| 欧美中文综合在线视频| 婷婷成人精品国产| 黑丝袜美女国产一区| 在线av久久热| 在线观看66精品国产| kizo精华| 最黄视频免费看| 男男h啪啪无遮挡| 老熟女久久久| 叶爱在线成人免费视频播放| 多毛熟女@视频| 日韩一区二区三区影片| 国产一区二区三区在线臀色熟女 | 中文字幕人妻熟女乱码| 一本大道久久a久久精品| 在线观看一区二区三区激情| 欧美在线一区亚洲| 在线观看免费午夜福利视频| 99九九在线精品视频| 久久久国产欧美日韩av| 久久亚洲真实| 国产区一区二久久| 国产aⅴ精品一区二区三区波| 国产欧美日韩一区二区精品| 国产欧美日韩综合在线一区二区| 国产精品一区二区在线不卡| 亚洲欧美日韩另类电影网站| 男女无遮挡免费网站观看| 99精国产麻豆久久婷婷| 亚洲一码二码三码区别大吗| 午夜老司机福利片| 黄色a级毛片大全视频| 亚洲专区国产一区二区| 亚洲国产看品久久| 免费观看av网站的网址| 国产麻豆69| av国产精品久久久久影院| 亚洲熟女毛片儿| 另类亚洲欧美激情| 久久久久久久精品吃奶| 成年女人毛片免费观看观看9 | 十分钟在线观看高清视频www| 免费一级毛片在线播放高清视频 | 天天影视国产精品| 叶爱在线成人免费视频播放| 成年人黄色毛片网站| 久久久久精品国产欧美久久久| 丰满少妇做爰视频| 精品亚洲乱码少妇综合久久| 国产一区二区激情短视频| 99riav亚洲国产免费| 久久这里只有精品19| 人妻久久中文字幕网| 国精品久久久久久国模美| 女性被躁到高潮视频| 少妇 在线观看| 国产日韩欧美在线精品| 国产三级黄色录像| 亚洲av国产av综合av卡| 成人国产av品久久久| 亚洲国产欧美日韩在线播放| 午夜福利欧美成人| 大陆偷拍与自拍| 一区在线观看完整版| 黄片播放在线免费| 欧美+亚洲+日韩+国产| 一夜夜www| 在线播放国产精品三级| 男女午夜视频在线观看| 久久精品亚洲av国产电影网| 又黄又粗又硬又大视频| www.999成人在线观看| 亚洲国产av新网站| 丰满饥渴人妻一区二区三| 91成年电影在线观看| 欧美日韩亚洲国产一区二区在线观看 | 汤姆久久久久久久影院中文字幕| 美国免费a级毛片| 午夜福利一区二区在线看| 一区在线观看完整版| 高清欧美精品videossex| 在线永久观看黄色视频| av片东京热男人的天堂| 久热爱精品视频在线9| 亚洲熟妇熟女久久| 大码成人一级视频| 亚洲 国产 在线| 亚洲av日韩在线播放| 91大片在线观看| 男人舔女人的私密视频| 免费看十八禁软件| 欧美人与性动交α欧美软件| 国产一卡二卡三卡精品| 大码成人一级视频| av线在线观看网站| 久久精品亚洲av国产电影网| 欧美国产精品va在线观看不卡| 久久中文看片网| 两人在一起打扑克的视频| 国产精品亚洲一级av第二区| 黄频高清免费视频| 99国产精品99久久久久| 免费在线观看完整版高清| 久久久久久亚洲精品国产蜜桃av| 亚洲三区欧美一区| 国产精品久久久久久人妻精品电影 | 日韩成人在线观看一区二区三区| 中文欧美无线码| 精品久久久精品久久久| 在线天堂中文资源库| 人妻久久中文字幕网| 老司机靠b影院| 亚洲七黄色美女视频| xxxhd国产人妻xxx| 少妇被粗大的猛进出69影院| 十分钟在线观看高清视频www| 建设人人有责人人尽责人人享有的| 国产av精品麻豆| 国产一区二区 视频在线| 日韩成人在线观看一区二区三区| 成人手机av| 欧美性长视频在线观看| 日本精品一区二区三区蜜桃| 美女扒开内裤让男人捅视频| 好男人电影高清在线观看| av网站免费在线观看视频| 日日爽夜夜爽网站| 人妻一区二区av| 日韩大片免费观看网站| 免费在线观看影片大全网站| 一级片免费观看大全| 亚洲av片天天在线观看| 99re6热这里在线精品视频| 91麻豆av在线| videos熟女内射| 国产黄频视频在线观看| 亚洲午夜精品一区,二区,三区| 女人久久www免费人成看片| 亚洲avbb在线观看| 国产亚洲精品第一综合不卡| 免费在线观看黄色视频的| 欧美精品亚洲一区二区| 欧美日韩中文字幕国产精品一区二区三区 | 国产精品国产高清国产av | 热99re8久久精品国产| 亚洲精品成人av观看孕妇| 亚洲九九香蕉| 国产免费视频播放在线视频| 国产不卡av网站在线观看| 国产单亲对白刺激| 亚洲精品中文字幕在线视频| 国产成人影院久久av| 久久人妻福利社区极品人妻图片| 久久热在线av| 成年动漫av网址| 久久久精品国产亚洲av高清涩受| 悠悠久久av| 老鸭窝网址在线观看| 青青草视频在线视频观看| 欧美日韩亚洲高清精品| 精品少妇黑人巨大在线播放| 欧美日韩视频精品一区| 日日摸夜夜添夜夜添小说| 在线观看免费视频网站a站| 三级毛片av免费| 欧美成人午夜精品| 一级,二级,三级黄色视频| 日日爽夜夜爽网站| 国产欧美日韩一区二区三| 亚洲国产av影院在线观看| 亚洲精品在线美女| 丝袜美腿诱惑在线| 久久久久精品国产欧美久久久| 黑人巨大精品欧美一区二区蜜桃| 一区二区三区精品91| 亚洲情色 制服丝袜| 无遮挡黄片免费观看| 免费在线观看黄色视频的| 欧美成人午夜精品| 久久久久国内视频| 国产精品99久久99久久久不卡| 老司机影院毛片| 精品少妇久久久久久888优播| 国产精品久久久人人做人人爽| 国产区一区二久久| 新久久久久国产一级毛片| 免费观看a级毛片全部| 女同久久另类99精品国产91| 一级,二级,三级黄色视频| 99国产精品一区二区三区| 色94色欧美一区二区| 9色porny在线观看| 亚洲,欧美精品.| 成人三级做爰电影| 国产真人三级小视频在线观看| 亚洲伊人久久精品综合| 欧美+亚洲+日韩+国产| 欧美成狂野欧美在线观看| 手机成人av网站| 国内毛片毛片毛片毛片毛片| 搡老熟女国产l中国老女人| 久久久水蜜桃国产精品网| 国产高清videossex| 国产精品久久久av美女十八| 最新在线观看一区二区三区| 97在线人人人人妻| 亚洲一卡2卡3卡4卡5卡精品中文| 欧美亚洲日本最大视频资源| tocl精华| 欧美亚洲日本最大视频资源| 成人黄色视频免费在线看| 黑人巨大精品欧美一区二区mp4| 国产成人精品无人区| 美国免费a级毛片| 久久精品人人爽人人爽视色| 国产免费视频播放在线视频| 成人免费观看视频高清| 丁香六月欧美| 国产亚洲欧美在线一区二区| 国产99久久九九免费精品| a级片在线免费高清观看视频| 国产精品免费大片| 国产精品香港三级国产av潘金莲| 国产精品免费大片| 久热这里只有精品99| 狂野欧美激情性xxxx| 自线自在国产av| 别揉我奶头~嗯~啊~动态视频| 亚洲成人免费电影在线观看| 青草久久国产| 欧美日韩黄片免| 18在线观看网站| 亚洲欧美精品综合一区二区三区| 午夜福利在线观看吧| a级毛片黄视频| 51午夜福利影视在线观看| 亚洲国产欧美网| 国产精品九九99| 免费在线观看日本一区| 岛国毛片在线播放| 国产免费视频播放在线视频| 久久久国产精品麻豆| 一级毛片精品| 国产一区二区激情短视频| 国产99久久九九免费精品| 欧美黑人欧美精品刺激| 久久青草综合色| 一二三四社区在线视频社区8| 中文字幕最新亚洲高清| 久久av网站| 最近最新中文字幕大全电影3 | 视频区欧美日本亚洲| 99精品在免费线老司机午夜| 国产一区二区激情短视频| 国产精品电影一区二区三区 | 国产精品偷伦视频观看了| 国产精品1区2区在线观看. | 视频区图区小说| 999久久久国产精品视频| 如日韩欧美国产精品一区二区三区| 女同久久另类99精品国产91| 91国产中文字幕| 精品国产超薄肉色丝袜足j| 亚洲五月婷婷丁香| 热re99久久精品国产66热6| 久久性视频一级片| 日本黄色视频三级网站网址 | 精品少妇久久久久久888优播| 亚洲成av片中文字幕在线观看| 精品第一国产精品| 日本精品一区二区三区蜜桃| 啦啦啦中文免费视频观看日本| 日本黄色日本黄色录像| 99精品在免费线老司机午夜| 色94色欧美一区二区| 中文字幕高清在线视频| 久久人妻福利社区极品人妻图片| 757午夜福利合集在线观看| 性色av乱码一区二区三区2| 超碰成人久久| 亚洲国产欧美一区二区综合| 变态另类成人亚洲欧美熟女 | 嫩草影视91久久| 黄色片一级片一级黄色片| 亚洲国产成人一精品久久久| 老司机午夜十八禁免费视频| 丁香欧美五月| 多毛熟女@视频| 久久毛片免费看一区二区三区| 国产精品 欧美亚洲| 久久精品国产亚洲av香蕉五月 | 水蜜桃什么品种好| 一边摸一边抽搐一进一小说 | 午夜福利,免费看| 国产成人av激情在线播放| 国产欧美日韩精品亚洲av| 99精品在免费线老司机午夜| 免费高清在线观看日韩| 亚洲va日本ⅴa欧美va伊人久久| 亚洲七黄色美女视频| 亚洲午夜理论影院| 亚洲男人天堂网一区| 午夜成年电影在线免费观看| 国产日韩欧美在线精品| 免费av中文字幕在线| 国产av一区二区精品久久| 搡老乐熟女国产| 少妇被粗大的猛进出69影院| 色视频在线一区二区三区| 欧美日本中文国产一区发布| 亚洲欧美一区二区三区久久| 51午夜福利影视在线观看| 手机成人av网站| 久久精品成人免费网站| 亚洲国产欧美日韩在线播放| 亚洲伊人久久精品综合| 美女午夜性视频免费| 久久久精品94久久精品| 日本精品一区二区三区蜜桃| 中文字幕高清在线视频| 国产免费福利视频在线观看| 黑人巨大精品欧美一区二区mp4| 中文欧美无线码| 国产欧美日韩一区二区三区在线| 女人精品久久久久毛片| h视频一区二区三区| 国产精品一区二区在线不卡| 岛国毛片在线播放| 又黄又粗又硬又大视频| 男女边摸边吃奶| 精品国产亚洲在线| 视频区图区小说| 一个人免费看片子| 麻豆国产av国片精品| 天天躁夜夜躁狠狠躁躁| 久久久久视频综合| 欧美午夜高清在线| 亚洲精品久久午夜乱码| 精品久久久久久久毛片微露脸| 午夜福利影视在线免费观看| 三级毛片av免费| 999精品在线视频| 一区二区av电影网| 日韩视频在线欧美| 久久ye,这里只有精品| 国产一区二区三区综合在线观看| 精品久久久精品久久久| 最近最新免费中文字幕在线| 精品一区二区三区视频在线观看免费 | 在线亚洲精品国产二区图片欧美| 日本vs欧美在线观看视频| 巨乳人妻的诱惑在线观看| 成人18禁在线播放| 啦啦啦 在线观看视频| 精品国内亚洲2022精品成人 | av超薄肉色丝袜交足视频| 动漫黄色视频在线观看| 性少妇av在线| 日韩欧美一区视频在线观看| xxxhd国产人妻xxx| 中文字幕人妻丝袜制服| 欧美成人午夜精品| 午夜老司机福利片| 国产精品香港三级国产av潘金莲| 我的亚洲天堂| 精品国产一区二区三区久久久樱花| 色老头精品视频在线观看| 欧美在线一区亚洲| 色老头精品视频在线观看| 国产不卡av网站在线观看| 国产成人精品在线电影| 美女扒开内裤让男人捅视频| 亚洲全国av大片| 香蕉国产在线看| 日本黄色视频三级网站网址 | 亚洲欧洲日产国产| 十八禁网站网址无遮挡| netflix在线观看网站| 满18在线观看网站| 不卡一级毛片| 一本—道久久a久久精品蜜桃钙片| 国产又色又爽无遮挡免费看| 午夜免费鲁丝| 欧美激情高清一区二区三区| 又紧又爽又黄一区二区| 无人区码免费观看不卡 | 黄色怎么调成土黄色| 久久国产精品大桥未久av| 亚洲色图av天堂| 亚洲天堂av无毛| 免费看a级黄色片| 亚洲综合色网址| 欧美老熟妇乱子伦牲交| netflix在线观看网站| 一级片免费观看大全| 成人av一区二区三区在线看| 欧美一级毛片孕妇| www.999成人在线观看| 成人永久免费在线观看视频 | 黑人巨大精品欧美一区二区蜜桃| 国产精品免费大片| 国产一区二区激情短视频| 女性被躁到高潮视频| 欧美成狂野欧美在线观看| 国产野战对白在线观看| 国产日韩一区二区三区精品不卡| 日韩视频一区二区在线观看| 又紧又爽又黄一区二区| 亚洲人成伊人成综合网2020| 久久精品aⅴ一区二区三区四区| 亚洲色图综合在线观看| 纵有疾风起免费观看全集完整版| 女人被躁到高潮嗷嗷叫费观| 一级片'在线观看视频| 亚洲精品美女久久久久99蜜臀| 天天躁日日躁夜夜躁夜夜| 久久精品成人免费网站| av天堂在线播放| 法律面前人人平等表现在哪些方面| 亚洲熟妇熟女久久| 亚洲午夜精品一区,二区,三区| 亚洲天堂av无毛| 国产日韩欧美在线精品| 怎么达到女性高潮| 国产成人精品无人区| 丝袜在线中文字幕| 亚洲综合色网址| 亚洲精品美女久久av网站| 色婷婷久久久亚洲欧美| 99精品久久久久人妻精品| 99re在线观看精品视频| 国精品久久久久久国模美| 纵有疾风起免费观看全集完整版| 纯流量卡能插随身wifi吗| 欧美成人免费av一区二区三区 | 男女之事视频高清在线观看| 蜜桃国产av成人99| 狂野欧美激情性xxxx| 亚洲久久久国产精品| 热99国产精品久久久久久7| 免费观看a级毛片全部| 亚洲国产看品久久| 丁香六月欧美| 亚洲精华国产精华精| 狠狠精品人妻久久久久久综合| 午夜久久久在线观看| 国产三级黄色录像| 国产精品免费视频内射| 免费不卡黄色视频| 人人妻人人爽人人添夜夜欢视频| 欧美性长视频在线观看| 最黄视频免费看| 亚洲精品久久成人aⅴ小说| 美女福利国产在线| 丝袜人妻中文字幕| 免费黄频网站在线观看国产| 日本av手机在线免费观看| 高清黄色对白视频在线免费看| 久久婷婷成人综合色麻豆| av网站在线播放免费| 国产亚洲欧美在线一区二区| 又紧又爽又黄一区二区| 欧美黄色淫秽网站| 老汉色av国产亚洲站长工具| 精品福利观看| 亚洲伊人久久精品综合| 美女高潮喷水抽搐中文字幕| 女性被躁到高潮视频| 国产极品粉嫩免费观看在线| 精品人妻在线不人妻| 9191精品国产免费久久| 国产色视频综合| 少妇精品久久久久久久| 亚洲色图综合在线观看| 一级,二级,三级黄色视频| 国产男靠女视频免费网站| 青青草视频在线视频观看| 国产成人精品久久二区二区91| 男人舔女人的私密视频| 国产精品一区二区在线不卡| 久久人妻熟女aⅴ| 老熟妇仑乱视频hdxx| 在线播放国产精品三级| 免费观看人在逋| 在线亚洲精品国产二区图片欧美| 国产片内射在线| 极品教师在线免费播放| 欧美亚洲日本最大视频资源| 国产精品免费大片| 黑丝袜美女国产一区| 欧美日韩黄片免| 法律面前人人平等表现在哪些方面| 日韩视频一区二区在线观看| 欧美日韩黄片免| 法律面前人人平等表现在哪些方面| 成在线人永久免费视频| 在线观看www视频免费| 欧美日韩亚洲国产一区二区在线观看 | 一区福利在线观看| 脱女人内裤的视频| 亚洲一区二区三区欧美精品| 国产一区有黄有色的免费视频| 日日摸夜夜添夜夜添小说| 99riav亚洲国产免费| 欧美在线黄色| 亚洲av片天天在线观看| 制服诱惑二区| 少妇被粗大的猛进出69影院| 欧美人与性动交α欧美软件| 国产国语露脸激情在线看| 午夜福利,免费看| 老司机在亚洲福利影院| 欧美黄色淫秽网站| 国产亚洲欧美在线一区二区| 日本黄色视频三级网站网址 | 亚洲精品成人av观看孕妇|