10.3969/j.issn.1000-565X.2015.01.014
基于边缘分割的车载单目远红外行人检测方法
基于机器学习的车载单目远红外行人检测方法存在实时性较差和检测精度较低的问题.为此,文中提出了基于边缘分割的头部-方向梯度直方图-支持向量机(Head-HOG-SVM)行人检测方法,引入加权Sobel算子强化行人的垂直边缘以分割行人候选区域;根据不同距离行人的外观模式选择行人检测方法:使用头部特征检测中、近距离行人以改善系统的实时性,使用头部识别级联基于方向梯度直方图特征的支持向量机(HOG-SVM)分类器检测成像模糊的远距离行人.在多个郊区场景视频数据集上的实验结果表明,与基于双阈值分割的HOG-SVM分类方法相比,文中方法的检测精度和检测速度分别提高了约33%和200%.
驾驶辅助系统、远红外行人检测、Sobel分割、头部识别、方向梯度直方图、支持向量机
43
TP391.41(计算技术、计算机技术)
国家自然科学基金资助项目61302121 Supported by the National Natural Science Foundation of China 61302121
2015-07-20(万方平台首次上网日期,不代表论文的发表时间)
共6页
87-91,98