摘要
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。
For detecting pedestrians in video and image fast and accurately, this paper proposed a hierarchical method for pedestrian detection, which could combine holistie information and local information. The method was based on random forests and used image pyramid for multi-layer information fusion. Firstly, it trained a holistic random forest classifier with dominant orientation templates （DOT） at the first low spatial resolution layer. And it could be used for detecting candidate areas for pedestrian. Secondly,it extracted image patches with offset vectors to learn the appearance model and geometric constraint with part-based random forest at the second high spatial resolution layer. Finally, it detected pedestrian accurately in candidate areas at the second layer by Hough voting. According to the theory analysis and experimental results, the method obtains lower computation complexity and higher precisions than previous works. Multi-layer information fusion can effectively solve the problem of fast and accurate pedestrian detection.
出处
《计算机应用研究》
CSCD
北大核心
2015年第7期2196-2199,共4页
Application Research of Computers
基金
河南省科技厅科技攻关项目(142102210010)
河南省教育厅重大专项资助项目(14A520028
14A520052)
关键词
行人检测
随机森林
图像金字塔
主方向模板
霍夫投票
pedestrian detection
random forests
image pyramid
dominant orientation templates（DOT）
Hough voting
作者简介
向涛（1984-），男，湖北孝感人，博士研究生，主要研究方向为机器学习、图像处理、人工智能；
李涛（1979-），男（通信作者），讲师，博士，主要研究方向为机器学习、图像处理、人工智能（cvlablitao@gmail．com）；
李旭冬（1988-），男，博士研究生，主要研究方向为机器学习、图像处理、人工智能；
李冬梅（1981-），女，讲师，硕士，主要研究方向为自动控制、图像处理、软件开发．
