-
题名基于PCA和可变部件模型的大量重复目标检测方法
被引量：3
- 1
-
-
作者
苏宁
郝兆才
-
机构
济宁学院产业学院
曲阜师范大学数学科学学院
-
出处
《传感器与微系统》
CSCD
北大核心
2022年第4期138-141,145,共5页
-
基金
山东省自然科学基金面上资助项目(ZR2014AM034)。
-
文摘
为了对大量重复目标进行准确检测和计数,提出一种基于可变部件模型(DPM)的自动检测方法。首先,提取图像中反复出现的分块,并分析分块间的空间相关性;然后,利用线性分类器判定DPM指向目标的所在位置,并将这些相关关系转换到平面坐标集中,运用随机抽样一致性对位置进行聚类;最后,为区分不同群体间的目标,对每个簇中的分块向量集应用主成分分析(PCA)法进行分类。基准数据集中16个图像的测试结果表明:与其他优秀方法相比,所提方法能够实现更准确的估计,采用用户交互系统更容易达到较高的准确度,且减少了用于目标检测训练过程中涉及的计算成本。
-
关键词
重复目标检测
分块相关分析
可变部件模型
线性分类器
主成分分析法
-
Keywords
repeated object detection
partition correlation analysis
deformable part model(DPM)
linear classifier
principal component analysis(PCA)method
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名基于似物性的快速视觉目标识别算法
被引量：5
- 2
-
-
作者
刘涛
吴泽民
姜青竹
曾明勇
彭韬频
-
机构
中国人民解放军理工大学通信工程学院
-
出处
《计算机科学》
CSCD
北大核心
2016年第7期73-76,94,共5页
-
基金
航空科学基金(0125186005)
国家自然科学青年基金(61501509)资助
-
文摘
针对视觉目标识别算法实时性较差的问题,基于似物性提出一种面向视觉目标识别的可变部件模型改进算法。该算法首先对图像进行二进制归一化的似物性检测,并利用检测结果形成视觉目标候选框;然后使用目标识别算法对候选区域进行似然判决,比滑动窗口法缩短了搜索时间;最后通过一个快速扩大-缩小算法对检测目标进行尺度修正,提高目标框的准确度。在PASCAL图像库上的识别结果表明:该识别方法在准确率上优于当前主流的检测模型,计算耗时较级联DPM算法减少约50%。
-
关键词
计算机视觉
目标识别
似物性
可变部件模型
二进制梯度归一化
-
Keywords
Computer vision,Object recognition,Objectness,Deformable part model （DPM） ,Binarized normed gradients（BING）
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
-
题名基于DPM的自然场景下汉字识别方法
被引量：3
- 3
-
-
作者
张伟伟
汤光明
孙怡峰
李晓利
-
机构
解放军信息工程大学
-
出处
《计算机应用研究》
CSCD
北大核心
2013年第3期957-960,共4页
-
文摘
自然场景下,汉字背景复杂且形态各异,导致传统识别方法中的文本定位与文本矫正过程难以进行。为了避免这些问题,采用物体识别方法中的可变部件模型(DPM)进行识别。该方法将汉字视为物体类,训练其对应的参数模板,然后采用滑动窗口的方法遍历待检测图片,以判断图片中是否存在目标汉字。实验表明,该方法对简单独体汉字有较好的检测效果,但对于多笔画复杂汉字,由于模型自身结构特点,效果并不明显。
-
关键词
可变部件模型
汉字识别
隐支持向量机
高斯金字塔模型
滑动窗口
HOG描述子
-
Keywords
DPM （ deformable part model）
Chinese characters recognition
LSVM
Gaussian pyramid
sliding window
HOG descriptor
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
-
题名基于局部深度匹配的行人再识别
被引量：6
- 4
-
-
作者
李邵梅
陈雷
-
机构
国家数字交换系统工程技术研究中心
-
出处
《计算机应用研究》
CSCD
北大核心
2017年第4期1235-1238,共4页
-
基金
国家自然科学基金资助项目(61521003
61379151)
+1 种基金
国家科技支撑计划资助项目(2014BAH30B01)
河南省杰出青年基金资助项目(144100510001)
-
文摘
针对行人再识别精度低的难题进行研究,提出了一种新的基于分块匹配的行人再识别方法。首先,引入带人体结构信息的人体DPM对行人外观进行分割,得到的带语义信息的身体部件作为匹配识别的基本单元;其次,基于深度神经网络模型提取各部件的深度特征作为匹配依据;再次,基于余弦距离判断各身体部件与目标行人对应部件的相似性;最后,融合所有身体部件的识别结果得到最终的再识别结果。实验结果表明,跟已有方法相比,该方法具有更好的鲁棒性,在识别精度上有较明显的优势。
-
关键词
行人再识别
分块匹配
可变部件模型
深度神经网络
-
Keywords
person re-identification
part-based matching
deformable part model
deep neural network
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
-
题名行人检测技术简述
- 5
-
-
作者
陈文明
-
机构
湖北三峡职业技术学院电子信息学院
-
出处
《广东蚕业》
2017年第11期27-27,共1页
-
文摘
文章简要介绍行人检测的研究现状和存在的问题,对近几年行人检测技术的发展状况和常用算法进行概括,并展望行人检测的未来发展方向。
-
关键词
行人检测
可变部件模型
深度学习
发展方向
-
分类号
TP37
[自动化与计算机技术—计算机系统结构]
-
-
题名基于前馈上下文和形状先验的平面标注方法
- 6
-
-
作者
郭燕飞
刘宏哲
袁家政
王雪峤
-
机构
北京联合大学北京市信息服务工程重点实验室
北京开放大学
-
出处
《计算机科学》
CSCD
北大核心
2018年第12期235-242,共8页
-
基金
国家自然科学基金(61571045
61372148)
+2 种基金
北京市自然科学基金(4152016)
国家科技"多彩贵州"文化资源集成与文化旅游综合服务应用示范(2015BAH55F03)
北京市属高校高水平教师队伍建设创新团队建设提升计划(IDHT20170511)资助
-
文摘
针对真实场景中由于互相遮挡导致的场景语义不能完全被理解的问题,提出了一种基于前馈上下文和形状先验的方法来对前景区域和被遮挡的背景区域进行语义标注。首先,将原始图像分割成超像素并提取像素点特征,采用加速决策树方法标注前景,同时采用改进的基于多尺度可形变的部件模型方法进行目标检测。其次,将可见对象信息与前馈上下文预测相结合来推测背景区域的被遮挡部分。然后,根据与当前标签置信度相匹配的多边形为每个标签提供形状先验知识。最后,结合像素预测与可视平面预测和多边形知识,以形成完整的场景标注图像。与现有方法相比,该方法能够得到与街道场景更相符的结果,并在人行道和公路较接近时的标注效果更好。
-
关键词
场景理解
平面标注
多尺度可变的部件模型
前馈上下文
形状先验
-
Keywords
Scene understanding
Surface labeling
Multi-scale deformable component model
Feed-forward context
Shape priors
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
