题名 基于LLC与GIST特征的静态人体行为分类
被引量：6
1
作者
王恩德 刘巧英 李勇
机构
中国科学院沈阳自动化研究所 中国科学院光电信息处理重点实验室 东北大学信息科学与工程学院
出处
《计算机工程》
CAS
CSCD
北大核心
2018年第8期268-272,278,共6页
基金
国家自然科学基金(61401455)
文摘
针对静态图像人体行为识别问题,提出一种融合局部约束线性编码(LLC)和全局特征描述子的方法。该方法对图像进行密集采样,提取每个子区域的SIFT特征,利用LLC方法对提取的密集SIFT特征进行编码和池化。为了加入空间信息,采用空间金字塔的思想,获得具有空间位置信息的LLC池化特征。将LLC池化特征串联通用搜索树(GIST)特征作为图像的最终描述,使用核函数为直方图交叉核函数的支持向量机进行分类。实验结果表明,与利用LLC、空间金字塔匹配特征和GIST特征进行识别的方法相比,该方法识别效果较好。
关键词
行为识别 全局特征描述子 局部约束线性编码 空间金字塔匹配 最大池化
Keywords
behavior recognition global feature descriptor locality-constrained linear coding （llc） Spatial Pyramid Matching （SPM） max pooling
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
题名 基于LLC与加权SPM的车辆品牌型号识别
被引量：2
2
作者
李熙莹 袁敏贤 吕硕 江倩殷
机构
中山大学工学院智能交通研究中心 广东省智能交通系统重点实验室 视频图像智能分析与应用技术公安部重点实验室
出处
《计算机工程》
CAS
CSCD
北大核心
2017年第5期210-216,共7页
基金
国家科技支撑计划项目(2014BAG01B04)
文摘
针对传统车辆识别算法鲁棒性及实时性不强的问题,结合局部线性约束编码(LLC)和加权空间金字塔匹配(SPM)模型,提出一种车辆品牌型号精细识别算法。提取图像方向梯度直方图特征,通过LLC对图像特征进行编码映射,得到具有语义信息的图像表达向量,以提高识别的准确率。利用加权SPM模型将空间位置信息引入图像表达向量中,并将每个图像的最终表达送入线性支持向量机分类器进行训练与识别。使用交通监控摄像头在不同天气和光照条件下采集150种车辆类型共56 827张图像进行实验,结果表明,该算法可有效改善识别效果,提高识别速度。
关键词
车辆品牌型号识别 方向梯度直方图 局部约束线性编码 加权空间金字塔匹配 支持向量机
Keywords
vehicle make and model recognition Histogram of Oriented Gradient（HOG） locality-constrained linear coding （ llc ） weighted Spatial Pyramid Matching （ SPM ） Support Vector Machine （ SVM ）
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
题名 非负局部约束线性编码图像分类算法
被引量：17
3
作者
刘培娜 刘国军 郭茂祖 刘扬 李盼
机构
哈尔滨工业大学计算机科学与技术学院
出处
《自动化学报》
EI
CSCD
北大核心
2015年第7期1235-1243,共9页
基金
国家自然科学基金(61171185 61271346) 黑龙江省青年科学基金(QC2014C071)资助~~
文摘
基于特征提取的图像分类算法的核心问题是如何对特征进行有效编码.局部约束线性编码(Locality-constrained linear coding,LLC)因其良好的特征重构性与局部平滑稀疏性,已取得了很好的分类性能.然而,LLC编码的分类性能对编码过程中的近邻数k的大小比较敏感,随着k的增大,编码中的某些负值元素与正值元素的差值绝对值也可能增大,这使得LLC越来越不稳定.本文通过在LLC优化模型的目标方程中引入非负约束,提出了一种新型编码方式,称为非负局部约束线性编码(Non-negative locality-constrained linear coding,NNLLC).该模型一般采取迭代优化算法进行求解,但其计算复杂度较大.因此,本文提出两种近似非负编码算法,其编码速度与LLC一样快速.实验结果表明,在多个广泛使用的图像数据集上,相比于LLC,NNLLC编码方式不仅在分类精确率上提高了近1%～4%,而且对k的选取具有更强的鲁棒性.
关键词
局部约束线性编码 非负约束 空间金字塔匹配 图像分类
Keywords
locality-constrained linear coding （llc） non-negative constraint spatial pyramid matching （SPM） image classification
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
题名 一种基于多级空间视觉词典集体的图像分类方法
被引量：13
4
作者
罗会兰 郭敏杰 孔繁胜
机构
江西理工大学信息工程学院 浙江大学计算机科学技术学院
出处
《电子学报》
EI
CAS
CSCD
北大核心
2015年第4期684-693,共10页
基金
国家自然科学基金(No.61105042 No.61462035) +1 种基金 国家973重点基础研究发展计划(No.2010CB327900) 江西省教育厅科技项目(No.GJJ13421)
文摘
针对单一特征时存在提取的信息量不足,对图像内容描述比较片面,提出将传统的SIFT特征与KDESG特征进行串行融合,生成一个联合向量作为新的特征向量.针对传统的视觉词典构造方法缺乏考虑视觉词汇在空间的分布特点,本文引入图像空间信息,提出了一种空间视觉词典的构造方法,先对图像进行空间金字塔划分,再把空间各子区域内的特征分别聚类,构建属于对应子空间区域的空间视觉词典.在图像表示阶段,图像各子区域内的特征基于其对应的空间视觉词典进行LLC稀疏编码,根据各子区域对图像贡献程度的不同,把编码后各子区域的特征向量赋予不同的权重加权处理,再连接形成最终的图像描述.最后,利用线性SVM进行图像分类,实验结果表明了本文方法的有效性和鲁棒性.
关键词
图像分类 特征融合 空间视觉词典 llc 编码加权处理
Keywords
image classification feature fusion spatial visual dictionary local constrained linear coding （ llc） weighted processing
分类号
TP391
[自动化与计算机技术—计算机应用技术]
题名 基于RGB-D图像核描述子的物体识别方法
被引量：3
5
作者
骆健 蒋旻
机构
武汉科技大学计算机科学与技术学院 智能信息处理与实时工业系统湖北省重点实验室(武汉科技大学)
出处
《计算机应用》
CSCD
北大核心
2017年第1期255-261,共7页
基金
国家自然科学基金面上项目(41571396) 国家创新训练项目(201410488017)~~
文摘
针对传统的颜色-深度(RGB-D)图像物体识别的方法所存在的图像特征学习不全面、特征编码鲁棒性不够等问题,提出了基于核描述子局部约束线性编码(KD-LLC)的RGB-D图像物体识别方法。首先,在图像块间匹配核函数基础上,应用核主成分分析法提取RGB-D图像的3D形状、尺寸、边缘、颜色等多个互补性核描述子;然后,分别对它们进行LLC编码及空间池化处理以形成相应的图像编码向量;最后,把这些图像编码向量融合成具有鲁棒性、区分性的图像表示。基于RGB-D数据集的仿真实验结果表明,作为一种基于人工设计特征的RGB-D图像物体识别方法,由于所提算法综合利用深度图像和RGB图像的多方面特征,而且对传统深度核描述子的采样点选取和紧凑基向量的计算这两方面进行了改进,使得物体类别识别率达到86.8%,实体识别率达到92.7%,比其他同类方法具有更高的识别准确率。
关键词
RGB-D图像 物体识别 局部约束线性编码 核描述子 空间池化
Keywords
RGB-D image object recognition locality-constrained linear coding （llc） kernel descriptor SpatialPyramid Pooling （SPP）
分类号
TP391.413
[自动化与计算机技术—计算机应用技术]
题名 基于RGB-D融合特征的图像分类
被引量：7
6
作者
向程谕 王冬丽 周彦 李雅芳
机构
湘潭大学信息工程学院
出处
《计算机工程与应用》
CSCD
北大核心
2018年第8期178-182,254,共6页
基金
国家自然科学基金(No.61100140 No.61104210 No.61175008)
文摘
当前经典的图像分类算法大多是基于RGB图像或灰度图像,并没有很好地利用物体或场景的深度信息,针对这个问题,提出了一种基于RGB-D融合特征的图像分类方法。首先,分别提取RGB图像dense SIFT局部特征与深度图Gist全局特征,然后将得到的两种图像特征进行特征融合;其次,使用改进K-means算法对融合特征建立视觉词典,克服了传统K-means算法过度依赖初始点选择的问题,并在图像表示阶段引入LLC稀疏编码对融合特征与其对应的视觉词典进行稀疏编码;最后,利用线性SVM进行图像分类。实验结果表明,所提出的算法能有效地提高图像分类的精度。
关键词
深度图像 dense尺度不变特征变化(SIFT)特征 Gist特征 K-MEANS算法 局部约束线性编码(llc )稀疏编码
Keywords
depth image dense Scale Invariant Feature Transform(SIFT)feature Gist feature K-means Localityconstrained linear coding (llc )sparse coding
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
题名 基于加权优化的自然场景分类方法研究
7
作者
张亚杰 马秀梅 张轩雄
机构
上海理工大学信息与控制工程研究所上海市教委光电系统智能控制重点实验室
出处
《计算机应用研究》
CSCD
北大核心
2016年第5期1591-1595,共5页
基金
国家自然科学基金资助项目(61274105) 沪江基金资助项目(C14002)
文摘
为了提高了静态图像中自然场景分类的识别精度,采用一种基于加权优化的聚类方法。将文本领域的文字激活力矩阵方法应用到图像分类领域,将视觉词汇的数目减少使得运行时间减少,并降低了对存储内存的占用。在特征编码阶段采用局部约束线性编码算法,并将其应用在空间金字塔模型的向量量化中,该算法能有效降低量化误差改善分类效果。实验结果表明,提出的基于加权优化的局部约束线性编码算法能够获得更好的分类效果。
关键词
自然场景分类 加权优化 文字激活力矩阵 局部约束线性编码 支持向量机
Keywords
natural scene classification weighted optimization word activation force（WAF） matrix locality-constrained linear coding （llc ） support vector machine（SVM）
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
