为了提高窗口遍历行人检测算法的分类准确率及其窗口遍历速度,提出了Fisher准则挑选特征块的行人检测算法.定尺寸梯度方向直方图特征(Histogram of Oriented Gradi-ent,HOG)块的尺寸过小,只能描述细节特征,使用变尺寸的HOG特征来描述整...为了提高窗口遍历行人检测算法的分类准确率及其窗口遍历速度,提出了Fisher准则挑选特征块的行人检测算法.定尺寸梯度方向直方图特征(Histogram of Oriented Gradi-ent,HOG)块的尺寸过小,只能描述细节特征,使用变尺寸的HOG特征来描述整体与局部特征.利用Fisher准则挑选出区分能力强的特征块最终作为样本的表述符,在窗口遍历检测中利用积分图加速HOG特征的求取,使用支持向量机作为窗口分类器.实验结果表明:行人检测准确率为94%,检测时间为197 ms.展开更多
文摘为了提高窗口遍历行人检测算法的分类准确率及其窗口遍历速度,提出了Fisher准则挑选特征块的行人检测算法.定尺寸梯度方向直方图特征(Histogram of Oriented Gradi-ent,HOG)块的尺寸过小,只能描述细节特征,使用变尺寸的HOG特征来描述整体与局部特征.利用Fisher准则挑选出区分能力强的特征块最终作为样本的表述符,在窗口遍历检测中利用积分图加速HOG特征的求取,使用支持向量机作为窗口分类器.实验结果表明:行人检测准确率为94%,检测时间为197 ms.
